Reducción de Tiempos Muertos PDF

FÁCUX/FAD Ï M M A M M W A W M A M S C A F E L M Í T M C ^
DIVISION D E W C R O I Œ D E VA&XXABUMA
/ ^ r n r n m
' tfwd a n «
k n o p a m m , G R A D O im màmmrn m mmcm% D E
>U\ M G E R I L ' T I M D E M M Œ Â I I R R I M A
sfa
p
jp g
1 3
m </i
P O
p: Q
BhoC
h co
D
a 25'
H; O
O Q
ö
p £¡2
D
eu
O
É
ta
TM
Z5853
. M2
F I ME
2003
. P4 7
1020149131
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN
FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA
DIVISIÓN DE ESTUDIOS DE POSTGRADO
REDUCCIÓN DE TIEMPOS MUERTOS DE OPERACIÓN

USANDO SEIS SIGMA
POR
ING. R I C A R D O F R A N C I S C O P É R E Z BENAVIDES
TESIS
E N O P C I Ó N AL G R A D O D E M A E S T R O E N C I E N C I A S D E LA
INGENIERÍA DE MANUFACTURA
C O N ESPECIALIDAD EN AUTOMATIZACIÓN
CD. UNIVERSITARIA, S A N NICOLÁS D E L O S GARZA, N U E V O LEÓN

JUNIO 2003
o**
TW
frê
FONDO
TESIS
Universidad Autónoma de Nuevo León
Facultad de Ingeniería Mecánica y Eléctrica
División de Estudios de Postgrado
Los miembros del comité de Tesis recomendamos que la Tesis "Reducción de

Tiempos Muertos de Operación usando Seis Sigma", realizada por el alumno Ing.
Ricardo Francisco Pérez Benavides, matrícula 0558276 sea aceptada para su defensa
como opción al grado de Maestro en Ciencias de la Ingeniería de Manufactura con
especialidad en Automatización.
El Comité de Tesis
Dr. Alberto Cavazos González

DEDICATORIA
Para mi Familia,
A Sandra,
por apoyarme en este reto y en
nuestra vida.
A Caro y Ricky,
por el tiempo que me regalan para
poder realizar este trabajo.
A mis Padres,
por sus enseñanzas.
Agradecimiento a mis compañeros de trabajo,

por su apoyo y cooperación en el
trabajo presentado.
PRÓLOGO
La competencia global en los negocios obliga a las empresas a buscar tener la

mejora continua en sus operaciones, a través de entregar productos y servicios de mejor
calidad, menor tiempo y con bajo costo de operación; para lo anterior una empresa líder,
como lo es Motorola, desarrolló a principios de los 80s una metodología de mejora que
ayudará en este fin, Seis Sigma.
Seis Sigma es ahora toda una estrategia de negocio que busca la mejora en el estado
de resultado de las empresas, para lo cual utiliza la capacitación en el uso de herramientas
estadísticas para el análisis de los datos. Esta estrategia se basa en el despliegue de una
estructura en la organización para la realización de proyectos de mejora que aseguren el
éxito de esta iniciativa.
La metodología de mejora propone un estricto seguimiento a las fases de generar

conocimiento del proceso, definidas como medir, analizar, mejorar y controlar. Siempre
orientadas con la finalidad de lograr los objetivos planteados en la definición del
problema, pero buscando el beneficio práctico de este aprendizaje para la empresa.
Este trabajo pretende mostrar al lector con un buen nivel de detalle la mejora en un
proceso industrial, usando la metodología de Seis Sigma. Esta documentación sería útil
para ver la aplicación completa de la metodología y algunas de las herramientas que
propone Seis Sigma para la mejora de los procesos.
Ricardo Feo. Pérez Benavides

ÍNDICE GENERAL
SÍNTESIS 3
1 INTRODUCCIÓN 6
1.1 Descripción del problema 6
1.2 Objetivo del trabajo de la tesis 6
1.3 Hipótesis 7
1.4 Límites del estudio 7
1.5 Justificación del trabajo 7
1.6 Metodología 8
1.7 Revisión bibliográfica 10
2 SEISSIGMA 11
2.1 ¿Qué es Seis Sigma? 11
2.2 Metodología de Mejora de los Procesos 17
2.2.1 Medir 20
2.2.2 Analizar 21
2.2.3 Mejorar 22
2.2.4 Controlar 24
2.3 Cambio de Cultura 25
2.3.1 Aceptación del Cambio de Seis Sigma 26
2.3.2 Análisis de los Involucrados 28
2.3.3 Liderazgo para lograr los Cambios 29
2.4 Resumen del capítulo 29
3 MEDIR 31
3.1 Descripción del Proceso de Hornos 32
3.2 Identificación de la variable de medición y la fuente de información 34
3.3 Validación del sistema de medición 39
3.4 Evaluación del desempeño actual 41
3.5 Determinación de los objetivos de mejora 43
3.6 Conclusiones del capítulo 50
4 ANALIZAR 51
4.1 Identificación de las causas de variación 51
4.2 Validación de las causas potenciales 55
5 MEJORAR 71
5.1 Soluciones que contrarrestan las causas verificadas 72
5.2 Establecimiento del ajuste de operación para las causas 74
6 CONTROLAR 91
6.1 Implementación de las soluciones en el proceso 91
6.2 Validación de la efectividad de las soluciones 101
7 CONCLUSIONES Y RECOMENDACIONES 107
7.1 Conclusiones 107
7.2 Recomendaciones 108
BIBLIOGRAFÍA 109
LISTADO DE TABLAS 110
LISTADO DE FIGURAS 112
LISTADO DE ECUACIONES 114
APÉNDICE A: TABLA ANOVA 115
APÉNDICE B: TABLA REGRESIÓN 117
GLOSARIO 119
RESUMEN AUTOBIOGRÁFICO 121
SÍNTESIS
En este trabajo se presenta la aplicación de la metodología de mejora de Seis

Sigma para tratar un problema de tiempos muertos de operación presentados en el área
de hornos de una empresa metalúrgica de la localidad. Se plantea la hipótesis que con
esta metodología y con las herramientas que propone se logrará la disminución de los
tiempos muertos de operación y esto significa aumento de productividad.
Para lo anterior es importante revisar la metodología de mejora de Seis Sigma,

antes de ver la aplicación que se realiza para este problema en particular. Esta
metodología plantea el uso de datos para lograr tener conocimiento real y herramientas
estadísticas para convertir estos datos en información que ayude a tomar decisiones y
acciones.
Las fases de la metodología de un proyecto de mejora son medir, analizar, mejorar

y controlar; con el desarrollo de estas fases se logra la caracterización y optimización del
proceso. Además es fundamental cuidar durante el desarrollo de un proyecto de mejora
la potencial resistencia al cambio que puede generarse.
Al desarrollar la fase de medir se realiza el conocimiento del proceso por medio de

un mapa de flujo del éste y se selecciona la característica crítica para el cliente, la cual
este caso de estudio fue el tiempo de duración de las cargas en los hornos. Para lo
anterior se estableció un límite de especificación máximo, con esto se estableció el
desempeño actual del proceso al inicio del proyecto que fue de 383,126 defectos por
millón de oportunidades (DPMO) ó 0.30 de Nivel Sigma que es uno de los indicadores
de desempeño utilizado en la metodología Seis Sigma.
Antes de poder llegar a las conclusiones de la fase de medir presentadas se realizó
la validación del sistema de medición utilizado, donde se encontró que se tenía
diferencia entre la forma de medir el tiempo de duración de la carga. El punto anterior
quedó resuelto antes de realizar los cálculos de nivel de desempeño.
Con lo anterior se buscó establecer un objetivo de mejora que estadísticamente

fuera distinto al desempeño observado en el proceso actual, para lo anterior se realizó un
análisis entre los hornos para seleccionar el mejor desempeño y establecer el objetivo de
mejora en un Nivel Sigma de 1.18 ó 119,453 DPMO.
Para lograr conocer las causas que originaban los DPMO detectados en la fase de
medir, se realizó en la fase de analizar un trabajo con el equipo del proyecto, con la
finalidad de identificar las causas potenciales que podrían generar el efecto de tener
mayor tiempo de duración de la carga. Después se procedió a priorizar las causas y
elegir las más probables para validar si éstas en realidad estaban afectando.
Las causas que fueron verificadas de afectar al desempeño son: el cambio de

condiciones del horno por falta de atención de operadores, fallas del sistema de
combustión, tiempo para realizar la descarga y tiempo perdido en los cambios de turno.
Para poder verificar las causas se realizaron pruebas estadísticas, después de una
planeación y ejecución del cómo realizar esta verificación.
Se continuó con la fase de mejorar, donde se buscó contrarrestar las causas

verificadas. Para lo cual se realizaron pruebas estadísticas que aseguren que las mejoras
propuestas para las causas verificadas son efectivas. Para verificar estas soluciones se
utilizaron pruebas de hipótesis, análisis gráficos, regresión y análisis de modo y efecto
de fallas con lo que se logró tener la evidencia de que era significativa la mejora
planteada.
Mantener el aprendizaje logrado es el objetivo de la fase de controlar, donde se
establecieron los documentos de control y seguimiento de las mejoras propuestas y la
validación de la mejora lograda en este proyecto.
En la fase final de este trabajo se validó de nueva cuenta el desempeño del proceso
para compararlo contra el desempeño inicial y el objetivo planteado originalmente, el
desempeño observado fue de 44,157 DPMO ó 1.70 Nivel Sigma, lo cual excede los
objetivos planteados originalmente para la mejora.
En este trabajo las causas principales estaban relacionadas con la operación, por lo
que el involucramiento y medición de desempeño de las actividades del proceso fue
fundamental para lograr la mejora.
Se concluye que el uso de la metodología de Seis Sigma tiene la capacidad para

mejorar este proceso, con lo relacionado a los tiempos muertos de operación.
1 INTRODUCCIÓN
1.1 Descripción del problema
Una empresa metalúrgica de la localidad, tiene limitada su capacidad de

producción en el área de Hornos, la cual es el cuello de botella de la producción, por lo
que cualquier demora en esta área repercute en la producción total de la planta. La
productividad en el área de Hornos se ve afectada, entre otras cosas, por los tiempos
muertos en la operación, lo que ocasiona que no se aproveche la capacidad instalada y la
mano de obra disponible.
Dado que esta empresa tiene oportunidad de vender cualquier producción

adicional que logre, el aumentar la producción será un beneficio directo en los resultados
de operación.
1.2 Objetivo del trabajo de la tesis
Aplicar la metodología de mejora de procesos de Seis Sigma para lograr aumentar

la productividad, analizando y buscando las causas principales que ocasionan las
demoras de operación y así poder atacar estas causas y disminuir las demoras de
operación.
1.3 Hipótesis
Se supone que el uso de las herramientas y metodología de Seis Sigma tienen el

potencial para mejorar el proceso al poder medir, analizar, mejorar y establecer en
control los factores que afectan a la productividad, con lo cual se logrará la disminución
de los tiempos muertos de operación. .
1.4 Límites del estudio
Este estudio se realizará en una empresa metalúrgica de la localidad, en el área de

Hornos. Se analizarán solamente las causas que afectan a la productividad, que están
relacionadas a tiempos muertos de operación.
No se analizará, ni se trabajará con la tecnología del proceso metalúrgico de los

hornos para la recuperación del metal. Dado que ésta permanecerá constante durante este
estudio.
1.5 Justificación del trabajo
La aplicación de técnicas modernas para la mejora de los procesos en la

administración de la operación de la manufactura, como lo es Seis Sigma, da una
excelente área de oportunidad para ofrecer resultados tangibles de mejora a la compañía,
además de explorar la posibilidad de aplicar Seis Sigma en este tipo de problema.
Se espera que el enfoque aplicado al atacar este tipo de problema con la

metodología de mejora Seis Sigma dará mejores resultados que los enfoques
tradicionales de las técnicas de Ingeniería Industrial y los Círculos de Mejora continua,
con los cuales se estaba buscando resolver el problema y se ha logrado tener el
desempeño actual.
Aunque están documentadas las herramientas estadísticas, administrativas y de
calidad por diversos autores sobre la metodología, no están ampliamente documentadas
aplicaciones completas de la metodología de mejora de Seis Sigma. Lo anterior no
permite la difusión de los diversos enfoques que se pueden generar para la solución de
estos procesos y en particular en la reducción de tiempos muertos.
Sin embargo, se han encontrado en la literatura algunas aplicaciones aunque no

con un alto nivel de detalle. En [9] se presenta un proceso de mejora para eliminar los
defectos de manufactura en un proceso de tecnología de montaje superficial (SMT; por
sus siglas en inglés), [5] reporta la aplicación para mejorar la calidad en el proceso de
impresión de directorios telefónicos, [3] presenta la mejora de un proceso de extrusión
de plástico para reducir los defectos de los productos moldeados, se encuentra en [11] la
aplicación con el objetivo de mejorar la entrega, calidad de producto y proceso de
desarrollo de software.
Este trabajo presenta los resultados de la aplicación de la metodología Seis Sigma

en un proceso industrial, lo cual significará un beneficio a la empresa, y explora la
eficacia de ésta al problema de pérdida de productividad por tiempos muertos de
operación. Al presentar el proyecto completo de la metodología de mejora, la
contribución de este trabajo es arrojar una mayor claridad en el tema.
1.6 Metodología
Se utilizará la metodología de mejora Seis Sigma, donde se plantea primero

conocer el problema práctico, para convertirlo en un problema estadístico. Con este
problema estadístico se buscará la solución que dé una guía para la instalación de la
solución práctica. La metodología es como se presenta:
• Medir
• Identificar la(s) variable(s) de medición y la(s) fuente(s) de información
• Validar el sistema de medición
• Evaluar el desempeño actual
• Analizar
• Identificar las causas potenciales
• Verificar y validar las causas más probables
• Mejorar
• Encontrar las soluciones que contrarresten a las causas verificadas
• Establecer el ajuste de las causas y sus tolerancias
• Controlar
• Implementar las soluciones en el proceso
• Validar la efectividad de las soluciones
• Elaborar Propuesta definitiva
Este trabajo se organiza de la siguiente manera. Primeramente se presentará una

breve descripción de Seis Sigma en el capítulo 2, desde el punto de vista estrategia de
negocio y metodología de mejora. El desarrollo del proyecto de mejora se describirá en
cuatro capítulos; Medir, Analizar, Mejorar y Controlar. En el capítulo final se darán las
conclusiones y recomendaciones de este trabajo.
En el capítulo 3 se iniciará la caracterización preliminar del proceso para conocer

su desempeño actual. En el capítulo 4 se completará la caracterización del proceso, al
encontrar las causas principales que ocasionan su desempeño actual.
La mejora del proceso se verá en los capítulos 5 y 6, donde en el primero se

buscarán las medidas para contrarrestar las causas encontradas en el capítulo 4, para
después establecer los mecanismos para hacer que estas medidas contrarrestantes queden
establecidas permanentemente.
1.7 Revisión bibliográfica
Para la realización de este trabajo se revisó bibliografía actualizada sobre la

metodología Seis Sigma con la finalidad de fundamentar la metodología y las
principales herramientas estadísticas y de calidad que se utilizan en este trabajo.
Para el desarrollo de los análisis estadísticos presentados en este trabajo se utilizó

principalmente el software Minitab [10], versión 13.3, por lo que la revisión del manual
del usuario fue necesaria para poder realizar estos análisis y tener su interpretación.
Se recomienda la revisión del manual del usuario del Minitab para interpretar las
salidas de los análisis estadísticos y las gráficas presentadas en este trabajo.
De la literatura se consultaron las aplicaciones documentas para tratar de encontrar

enfoques similares a los planeados en el objetivo de este trabajo; sin embargo, lo
encontrado no tenía la misma aplicación y la documentación no tenía el detalle
necesario.
Las herramientas estadísticas utilizadas se pueden encontrar en varios libros de

texto sobre probabilidad y estadística, pero no son listados en la bibliografía al ser
información general de consulta. En [4] y [8] se encuentran referencias de las
herramientas utilizadas en este trabajo que ayudan en la interpretación de los análisis
estadísticos.
2 SEIS SIGMA
En este capítulo se presentará brevemente una introducción a la metodología Seis

Sigma, sus objetivos y fundamentos principales.
En la sección 2.1, se dará una introducción general a los conceptos fundamentales

que propone y definen a Seis Sigma como iniciativa de negocio, para la búsqueda de la
mejora de los procesos.
En la sección 2.2, se describirá brevemente la metodología de mejora de Seis

Sigma, se bosquejarán los objetivos principales de cada una de las fases y se
mencionarán las herramientas más frecuentemente usadas (secciones 2.2.1, 2.2.2, 2.2.3,
2.2.4). Para mayor referencia de la metodología se puede consultar [4], [6], [7], y [8].
En la sección 2.3 se introducen conceptos generales sobre el análisis necesario

para lograr vencer la resistencia al cambio enfocado a Seis Sigma y en la sección 2.4 se
presenta el resumen del capítulo.
2.1 ¿Qué es Seis Sigma?
La competencia global a la que están enfrentándose las empresas, ocasionó que se

establecieran estrategias de negocio encaminadas a lograr la mejora de la rentabilidad de
las empresas, al mismo tiempo que se enfocaban al cliente por medio de la calidad.
Motorola, Inc., a principios de los ochentas, fue el primero en lanzar el concepto
de Seis Sigma como una metodología que buscaba proponer un nivel más alto de calidad
al proponer como límite una variación de seis desviaciones estándar, o seis sigma, en sus
procesos.
Lo anterior cambiaba el estándar que se tenía en esa época, tres desviaciones

estándar, que iniciativas de calidad, como control estadístico de proceso, habían
impuesto.
Después de ver el impacto que representó para Motorola el haber adoptado este
estándar de desempeño, otras grandes empresas y líderes de sus segmentos adoptaron a
Seis Sigma como su filosofía de trabajo.
De entre estas empresas, General Electric fue la que tomó a Seis Sigma como una
de sus principales estrategias de negocio, esto gracias al liderazgo de Jack Welch, que
identificó a Seis Sigma como una excelente oportunidad para el negocio, "...es la más
importante iniciativa que GE ha tomado en su historia... es parte del código genético de
nuestro liderazgo futuro", dijo Jack Welch sobre Seis Sigma, ver [7]. Aunque el
concepto de Seis Sigma fue desarrollado por Motorola, fue General Electric quien le dio
su definición actual de enfoque al negocio, enfocándose en el cliente.
Actualmente empresas como Sony, Nokia, Ford, Toyota, Honeywell, Lear,

Johnson Controls, Texas Instruments, Toshiba, Canon, Polaroid, Hitachi, Lockheed
Martin, American Express, DuPont, entre otras, ver [7], han adoptado a Seis Sigma
como parte importante de sus iniciativas de calidad y mejora de sus procesos. Además
también han incluido a Seis Sigma en el desarrollo de productos y procesos que les
aseguren el logro de altos niveles de calidad.
El concepto de Seis Sigma está basado en el uso de metodologías para reducir la

variación en los procesos, esta reducción puede ser en los procesos existentes o desde el
diseño de los procesos o de los productos. Estas metodologías tienen un uso intensivo de
herramientas estadísticas y de calidad.
Curva de Distribución Normal
Desviaciones Estándar
Figura 2.1 Curva de distribución normal
Cuando se habla de sigma, se refiere al símbolo griego (a) usado para representar
la desviación estándar de la distribución normal, ver Figura 2.1.
Tener un proceso que cumple con las especificaciones dentro de una tolerancia de
una a, significa que se tendría bajo la curva normal el 68.3% de las probabilidades de
cumplir con los requerimientos de ese proceso. Por lo que se tienen 31.7%
probabilidades de no cumplir con las especificaciones ó 317,310 defectos por millón de
oportunidad (DPMO), ver la Tabla 2.1 donde se presentan el área bajo la curva y los
DPMO para diferentes desviaciones estándar.
Lo anterior da uno de los principios fundamentales de Seis Sigma, el de reducir la

variación de los procesos para reducir la probabilidad de generar defectos en las
operaciones.
a DPMO
Desviaciones Área Bajo la Curva
Probables
estándar (+/-)
1 68.2689480% 317310.52
2 95.4499876% 45500.12
3 99.7300066% 2699.93
4 99.9936628% 63.37
5 99.9999426% 0.57
6 99.9999998% 0.00198
Tabla 2.1 Area bajo la curva de la distribución normal
Al principio del desarrollo de la metodología se estableció, bajo estudios

realizados, ver [7], que los procesos tienen una variación en el corto y en el largo plazo,
siendo esta 1.5 a de corrimiento entre el corto plazo "línea continua" y largo plazo
"línea punteada", ver Figura 2.2.
Desplazamiento del Proceso
Desviaciones Estándar
Figura 2.2 Corrimiento del proceso entre el corto y largo plazo
Seis Sigma identifica en su metodología para su indicador principal el Nivel Sigma

de los procesos, con el cual busca ver el desempeño del proceso en el corto y largo
plazo. Esto lleva a una de las definiciones de Seis Sigma, que es el de buscar un
desempeño, en el largo plazo, de los procesos que solamente genera 3.4 defectos por
millón de oportunidad, equivalente a un Nivel Sigma de corto plazo de 6 Sigmas. En la
Tabla 2.2 se puede ver varios niveles sigma en largo y corto plazo y los DPMO.
Nivel Sigma Nivel Sigma

DPMO
(corto plazo) (largo plazo)
1 -0.5 691462
2 0.5 308537
3 1.5 66807
4 2.5 6209
5 3.5 233
6 4.5 3.4
Tabla 2.2 Nivel Sigma corto y largo plazo vs DPMO
El Nivel Sigma de corto plazo es el desempeño del proceso, mientras que el largo
plazo es el desempeño observado por los clientes; es decir, es el total de la variación que
puede ser observada por algún cliente.
Para conocer el nivel de sigma se utiliza la desviación estándar normalizada (Z); es

decir, la distribución que tiene como promedio 0 y desviación estándar igual a 1.
Conociendo el estadístico Z de cada lado de la distribución se obtienen los defectos,
usando las tablas Z, como la presentada en [4] o utilizando herramientas de software, ver
[10], dichos defectos se suman para obtener los defectos totales.
Para obtener el estadístico Z se utiliza las siguientes ecuaciones;
LSE-y
LSE ~ '
fi-LIE (2
ÛE _
donde:
LSE es el límite superior de especificación,
LIE es el límite inferior de especificación,
(i es la media o promedio de la población, y
<y es la desviación estándar de la población.
Conociendo las ZLSE y ZLIE, se calcula la probabilidad de tener defectos para cada
uno de los límites de especificación. Para obtener la Z del proceso se suman las
probabilidades de defectos de ambos límites y se obtiene el valor de Z en función de los
defectos totales haciendo una búsqueda inversa en la tabla Z, como se muestra en la
Ecuación( 2.3.
(2.3)
donde:
Plse =®{Zij¡E\
pUE =<$>{Zm)
<D(Z) es la probabilidad acumulativa y
<í>"l(p) es el inverso de la probabilidad acumulativa.
Cuando solamente se tiene un límite de especificación en el proceso, la Z del

proceso es directamente la Z calculada para el límite especificado.
Las herramientas que propone la metodología Seis Sigma no son de nueva

creación, sino las mismas que las iniciativas de calidad anteriores han propuesto (calidad
total, control estadístico del proceso, círculos de calidad, entre otras), la diferencia que
propone Seis Sigma es el enfoque a los clientes, pero desde el punto de vista de tener el
mayor impacto favorable en el estado de resultados de la empresa, por lo que no sigue la
calidad por la calidad misma.
Paradójicamente, Seis Sigma no busca que todos los procesos tengan una variación
dentro de sus límites de especificación igual a +/- seis desviaciones estándar, sino busca
la mejor rentabilidad para la compañía y que esta mejora pueda ser comprobada en el
estado de resultados.
Este enfoque al negocio hace la diferencia de Seis Sigma, por lo que esta iniciativa
incluye a todos los niveles de la organización para el logro de sus metas. Los niveles
directivos son quienes identifican las oportunidades de mejora y asignan proyectos al
personal entrenado en esta metodología, en el uso de herramientas estadísticas y de
calidad.
Este personal entrenado para la ejecución de los proyectos se le denomina en la

mayoría de las empresas "Black Belt"1, el nombre establecido a esta función fue
asignado por uno de los primeros desarrolladores de Seis Sigma, Mikel Harry, el cual
a
identificó la similitud que debe tener esta persona con las cintas negras de Karate , en
cuanto al seguimiento estricto a una metodología que lo hace llegar a un fin de alto
desempeño, ver [7].
Para la ejecución de los proyectos además deben intervenir todos los involucrados
en el proceso a ser mejorado, como lo son los jefes de área, supervisores o coordinadores
y el personal operario. Además debe incluirse al personal de finanzas para la validación
de los resultados.
2.2 Metodología de Mejora de los Procesos
Los datos son quienes impulsarán en la toma de decisiones y acciones, lo cual es

pedido en toda la metodología de mejora de los procesos. Este concepto es uno de los
valores agregados de Seis Sigma, dado que el trabajo con datos genera conocimiento del
proceso que normalmente no se tiene.
1
En la literatura se puede encontrar otros nombres para esta función; como pueden ser, "Experto Seis
Sigma", "Líder Seis Sigma", "Seis Sigma Especialista", ente otros.
2
El Karate es un arte marcial de origen japonés, donde los cintas negras son los practicantes avanzados de
esta disciplina deportiva.
En Seis Sigma se busca llegar al mayor nivel de conocimiento posible antes de
tomar una decisión o una acción para la mejora del proyecto.
Los niveles de conocimiento usados para la toma de decisiones y acciones, pueden

ser identificados con la siguiente tabla, donde de acuerdo a la forma que se usa para
tomar decisiones y acciones se identifica el nivel de conocimiento usado, ver Tabla 2.3.
Nivel de
Para la toma de decisiones y acciones...
conocimiento
0 ...sólo se utilizan opiniones del personal.
1 ...sólo se utilizan las experiencias del personal.

...se tienen algunos datos, pero sólo se ven los números o se
2
responde ante datos individuales.
...se agrupan los datos, en tablas o gráficas y se analizan
3
tendencias.
...se analizan los datos con estadística descriptiva,
4
promedios, desviaciones estándar, etc.
...se analizan los datos usando estadística inferencial,
5
pruebas de hipótesis, diseños de experimentos, etc.
Tabla 2.3 Niveles de conocimiento
La metodología de mejora de Seis Sigma está organizada en cinco fases

principales, ver [7], las cuales tienen objetivos definidos. Las fases de un proceso de
mejora se presentan en la Figura 2.3.
Figura 2.3 Fases del proceso de mejora Seis Sigma
Analizando las entradas y salidas de cada una de sus etapas y fases como se
presenta en la Tabla 2.4, se pueden comprender los objetivos de la metodología de
mejora.
Etapa Fase Entrada Salida
Identificar Definir Objetivos del negocio Oportunidades de mejora
Medir Oportunidad de mejora Problema práctico

Caracterizar
Analizar Problema práctico Problema estadístico
Mejorar Problema estadístico Solución estadística

Optimizar
Controlar Solución estadística Solución práctica
Tabla 2.4 Entradas y salidas de las fases de la metodología
La fase Definir es parte del trabajo de los niveles ejecutivos de la empresa, donde
el objetivo es identificar las oportunidades de mejora que se tiene en el negocio y para
ello declarar un proyecto de mejora en un área específica.
Los objetivos específicos de la fase Definir es el de identificar la oportunidad de

mejora para poder establecer el proceso y el problema a tratar en el proyecto de mejora,
así como definir un equipo multidisciplinario de mejora para realizar este proyecto. El
equipo será coordinado por un Black Belt, el cual será el facilitador y quien está
capacitado para el análisis de los datos y en el desarrollo de la metodología.
Una vez que se tiene el proyecto definido y el equipo de trabajo inicia en realidad
el trabajo del proyecto de mejora, con las fases de medir, analizar, mejorar y controlar.
Se presentará a continuación en las secciones siguientes cada una de las fases del
proceso de mejora, y corresponderán al desarrollo de los capítulos 3 al 6, que llevan el
mismo nombre de las fases de la metodología de mejora Seis Sigma.
En la metodología de Seis Sigma se tienen un gran número de herramientas, para

cada fase, disponibles para su utilización en el desarrollo de un proyecto; donde el
enfásis no es sobre cuál herramienta usar, sino el seguimiento de la metodología. La idea
de tener un número grande de herramientas disponibles, es el de tener opciones para usar
según la complejidad del proceso y el proyecto que se está llevando a cabo en cada caso.
2.2.1 Medir
En esta fase el objetivo es conocer el proceso para poder entender el problema

práctico sobre el cual se va a trabajar. Esto se logra a través de conocer exactamente qué
es lo que le interesa al cliente y como se puede convertir en información del proceso.
Dado que la mayoría de las decisiones a tomar serán sobre la base de los datos
generados desde esta primera fase, la validación del sistema de medición es esencial
para el avance del proyecto sobre el desempeño de la característica crítica para la
satisfacción del cliente (CTQ)3, que interesa mejorar.
Es necesario conocer el proceso, lo cual se realiza a través de herramientas como

el mapa de proceso y/o el diagrama SIPOC3 que presenta las entradas, salidas,
proveedores, clientes del proceso. El conocimiento del proceso ayudará a entender las
expectativas de los clientes y así poder establecer prioridades y objetivos de mejora, con
lo cual entenderemos cuál es el defecto que se genera para poder medirlo y después
analizarlo.
Para establecer la medición del desempeño actual se utilizan las mediciones de

Seis Sigma, como lo es el nivel de Sigma del proceso y los defectos por millón de
oportunidad (DPMO) detectados.
En esta fase se debe establecer el objetivo de mejora que se tratará de alcanzar

para este proceso. Con esta información, la cual será el nivel base del proyecto, se
iniciará el análisis y será el punto de comparación de la mejora lograda.
Algunas de las herramientas de uso común en esta fase son:
• Mapa de proceso.
• Diagrama SIPOC.
• Estudios del sistema de medición.
o Estudios sobre la varianza, como "Gage R&R"4.
o Estudios sobre la media, como exactitud y linealidad.
• Estadística descriptiva.
• Cálculo del Nivel Sigma del proceso.
• Plan del proyecto.
• Plan de recolección de datos.
En este trabajo se utilizan el mapa de proceso, el diagrama SIPOC, estudio Gage R&R,
estadística descriptiva, cálculo del Nivel Sigma. Estas herramientas están documentadas
en [2], [4], [7], [8] y [10].
2.2.2 Analizar
En la fase de análisis se requiere conocer el problema de manera estadística; es

decir, identificar las causas que ocasionan la diferencia entre el desempeño real del
proceso y el desempeño deseado o la meta establecida.
Para esta fase es necesario conocer las causas raíz que ocasionan el defecto
establecido en la fase anterior. Estas causas raíz deben ser analizadas y verificadas antes
de llevarlas a la fase siguiente de mejora.
Se usan herramientas para priorizar las causas más probables, para después poder
verificar las causas potenciales que generan e! defecto. Para verificar las causas se debe
tener un plan de verificación, el cual deberá incluir la toma de datos y una herramienta
para probar su validez.
Esta es la fase más intensiva del proyecto, donde se deben encontrar las causas que
ocasionan el defecto para poder lograr la meta establecida en la fase de medir.

• Tormentas de ideas,
• Diagrama causa-efecto.
• Técnica de grupo nominal.
• Análisis de modo y efecto de falla (AMEF).
• Plan de verificación de causas.
• Pruebas de hipótesis.
o Datos discretos,
o Datos continuos.
• Análisis de regresión.
• Diseños de experimentos.
En este trabajo se utilizan tormenta de ideas, diagrama causa-efecto, técnica de grupo

nominal, plan de verificación de causas, AMEF, gráfica de efectos principales, análisis
de varianzas (ANOVA), análisis de medias (ANOM), análisis de Pareto y análisis de
regresión. Estas herramientas están documentadas en [1], [4], [8] y [10].
2.2.3 Mejorar
En esta fase se busca tener una solución estadística para el problema que se tiene
planteado, trabajando sobre las causas que fueron verificadas en la fase de analizar. Es
decir, para cada causa verificada se debe tener una solución planteada y se debe poder
verificar antes de su implementación.
Las soluciones óptimas se deberán seleccionar sobre la base de un análisis logrado
de la información sobre el efecto potencial de esta solución en la característica crítica
analizada. Estos análisis deben mantener una confianza en la información obtenida,
como el uso de pruebas de hipótesis donde se tengan datos numéricos por analizar.
Las mejoras pueden quedar establecidas usando varias herramientas, por ejemplo
la modificación de proceso y su documentación en el mapa de proceso antes de probar
sería un ejemplo de una herramienta en la etapa de mejora. Después de haber definido
este cambio, se debe hacer una comprobación de la efectividad de esta prueba.
Se revisará si los cambios propuestos por estas soluciones harán que se logre llegar
al objetivo inicialmente planteado, en caso contrario tal vez debamos seguir
investigando las causas potenciales o las soluciones planteadas, hasta lograr llegar al
objetivo.
Algunas de las herramientas de uso común en esta fase son;

• Plan de verificación de las soluciones.
• Anáfisis de modo y efecto de falla (AMEF).
• Pruebas de hipótesis.
• Análisis de regresión.
• Diseño de experimentos.
• Análisis de tolerancias.
En este trabajo se utilizan tormenta de ideas, técnica de grupo nominal, plan de

verificación de las soluciones, AMEF, gráfica de efectos principales, gráfica multi-vari5,
análisis de varianzas (ANOVA), análisis de medias (ANOM), análisis de Pareto y
análisis de regresión. Estas herramientas están documentadas en [1], [4], [8] y [10].
2.2.4 Controlar
En la última fase, cuando se tiene la solución estadística, se busca tener

implementada la solución práctica en el proceso para poder mantener las mejoras
logradas en las soluciones propuestas en la fase de mejorar.
El principal objetivo de esta fase es el de establecer los mecanismos que aseguren

que la mejora será implementada completamente y mantenida en el proceso durante la
operación normal, teniendo el mínimo de variaciones.
La metodología establece que una forma de lograrlo es mediante la

estandarización de los procesos y su documentación en las condiciones óptimas
encontradas en la fase anterior, además de implementar herramientas de control de los
procesos o de mecanismos que eviten la generación de los errores (Poka-Yokes6), entre
otros.
Para todas las causas verificadas se debe tener un plan de control, donde se
establezcan los mecanismos que aseguren el control de los niveles óptimos para cada
una de las causas. Este plan debe comprender las acciones a realizar y su
documentación.
• Planes de control
• Documentación en los sistemas de calidad
• Gráficas de control
• Controles a prueba de errores (poka-yoke)
• Estudios de sistema de medición de las causas críticas
• Análisis del nuevo desempeño
En este trabajo se utilizan tormenta de ideas, técnica de grupo nominal, estandarización
de procedimientos, cálculo de Nivel Sigma, AMEF, gráfica de efectos principales,
•7 • •
gráfica Multi-Vari , prueba t de dos poblaciones, análisis de varianzas (ANOVA),

análisis de medias (ANOM) y análisis de Pareto. Estas herramientas están documentadas
en[l],[4], [8] y [10].
2.3 Cambio de Cultura
En esta sección se presentarán algunos temas relacionados con el cambio de

cultura o aceptación del cambio que es necesario para la implementación de Seis Sigma
en la organización. Donde el principal componente para el cambio de cultura es el
trabajo con el personal involucrado en los procesos a mejorar.
Seis Sigma no es solamente el uso de herramientas estadísticas, sino el cambio de

la forma de resolver los problemas en los negocios. Primero que nada resolver los
problemas en función de su impacto al estado de resultados de la compañía y tomando
para las decisiones y acciones los análisis basados en datos.
El punto fundamental es hacer ver en las organizaciones la necesidad de Seis

Sigma para obtener los beneficios potenciales, de las mejoras en los procesos, que
ayudarán a poder competir en los mercados y/o tal vez a la permanencia del negocio.
El cambio de forma de enfrentar las mejoras es el trabajo fundamental del Black

Belt, y uno de los objetivos es transmitir a la organización ese cambio. Esto se realiza al
involucrar a un equipo multidisciplinario en el desarrollo de los proyectos de mejora y
hacerlos partícipes del seguimiento a la metodología de Seis Sigma.
2.3.1 Aceptación del Cambio de Seis Sigma
Para tener el desarrollo de proyectos Seis Sigma exitosos en la organización se

requiere que se tenga una aceptación de los involucrados en el equipo, iniciando por los
mandos directivos de la organización. Los cuales deben mandar la señal clara del
compromiso de la organización con el uso de Seis Sigma como medio de buscar las
mejoras en los procesos.
El Black Belt enfrenta en los equipos de trabajo la resistencia al cambio que se
pueda generar por el proceso de cambio promovido por Seis Sigma. La resistencia al
cambio es parte de la naturaleza humana ante lo nuevo y desconocido, dado que supone
alguna pérdida para los involucrados.
Se debe estar atento a poder identificar qué genera la resistencia al cambio, para
poder establecer un plan de acción con la finalidad de contrarrestarlo. Se pueden
clasificar en cuatro las formas de resistencia a la implementación de Seis Sigma, de
acuerdo a la naturaleza de su generación, ver [6]:
• Técnica
• Política
• Organizacional
• Individualizada
La resistencia técnica es la generada ante el uso de nuevas herramientas

desconocidas por el personal, lo que genera percepciones negativas ante la complejidad
de estas herramientas. Esto principalmente cuando se enfrenta ante personal altamente
capacitado, como lo son los Black Belts.
La manera de atacar esta resistencia es con información y educación sobre las

herramientas, además de involucrarlos en el desarrollo de las mismas, haciendo énfasis
en que lo importante es la metodología y sus resultados; y no los cálculos y algoritmos
de las herramientas.
Cuando alguna persona siente que Seis Sigma le ocasiona una pérdida en su
estatus se genera la resistencia política, la pérdida puede ser real y/o percibida por la
persona.
Para combatir la resistencia política se debe comunicar a los involucrados cuáles

serán los beneficios que obtendrán de Seis Sigma, además de ser claros y honestos en los
cambios que puedan significar una pérdida para su estatus. Puede ser necesario
identificar la ayuda de los niveles altos de la organización para este tipo de resistencia.
La resistencia organizacional ocurre cuando las personas en mandos ejecutivos

perciben que pierden el control de los cambios, están preocupados debido a que el
cambio no fue de ellos, no fue su idea. Esta forma de resistencia puede ser una
combinación de las dos primeras, dado que no entienden cómo se generó el cambio y
perciben la pérdida del cambio.
Este tipo de resistencia puede ser parte de no haber involucrado a las personas
claves en el proceso de mejora desde el inicio, dado que ésta es la forma de contrarrestar
esta resistencia, tener involucrados al personal clave y darles parte del control del
cambio que les aplique.
La última forma de resistencia mencionada es la individualizada, la cual está

referida a actitudes presentadas por personas debidas a cuestiones ajenas al trabajo que
le ocasionan estrés. Estas personas pueden mostrar resistencia activa o pasiva a las
iniciativas de cambio.
Por su naturaleza esta forma de resistencia puede tener varias formas de

contrarrestarla, pero básicamente la recomendación es disminuir el temor del cambio y
aumentar el involucramiento de la persona. En todos los casos, pero en éstos en
particular, es importante el reconocimiento de los pequeños logros obtenidos.
2.3.2 Análisis de los Involucrados
Cuando se está realizando un proyecto de mejora se deben identificar a los

involucrados claves del proceso, para medir el grado de aceptación del cambio. Para esto
se ha propuesto usar una herramienta llamada análisis de los involucrados, ver Tabla 2.5.
Fuertemente Ligeramente Ligeramente Fuertemente

Involucrado clave Neutral
en contra en contra a favor a favor
i de acción
Gerente x ü Ji > O
Plan de acción
Jefe de Departamento X ÜD > O
11 Plan de acción
Supervisor A x ü[ > o
Supervisor B X HE 11 Plan de acción

> o
Técnico X «OC
Tabla 2.5 Análisis de los involucrados
En esta herramienta se tiene en las columnas categorías del grado de aceptación

del cambio de Seis Sigma, las cuales son: fuertemente en contra, ligeramente en contra,
neutral, ligeramente a favor, fuertemente a favor. Se listan todos los involucrados clave
que se van a analizar.
Con esta herramienta se busca el análisis del estado actual de los involucrados, la
cual se presenta con una "X", mientras que el estado deseado se presenta con una "O".
Se debe identificar la diferencia que existen entre el estado actual y el deseado de
involucramiento y establecer un plan para contrarrestar la resistencia o falta de
involucramiento presente.
Para poder establecer este plan de acción se debe analizar el tipo de resistencia que
el equipo de trabajo puede presentar, de las mencionadas en la sección 2.3.1, además de
analizar el nivel de influencia del involucrado entre los demás miembros del equipo.
2.3.3 Liderazgo para lograr los Cambios
La función del Black Belt en el desarrollo del proyecto como líder de coordinar
todas las actividades, es fundamental para lograr establecer el liderazgo necesario con el
equipo de trabajo. El liderazgo que debe ejercer el Black Belt no está relacionado con
los niveles jerárquicos de las organizaciones.
En [6], página 185, se menciona lo siguiente: "Incorporar Seis Sigma es más que
usar una iniciativa táctica de reducir costos, Seis Sigma es una filosofía de
administración. Es un compromiso para administrar a través del proceso, no de las
funciones del organigrama, y tomar decisiones basados en hechos y datos en lugar de las
habilidades inherentes de administración que se cree hacen a los grandes ejecutivos".
Por lo que el liderazgo que logra desarrollar el Black Belt debe estar enfocado al
aspecto técnico de la metodología, buscando lograr el apoyo de todos los involucrados.
La empatia en las situaciones que implican el proyecto es indispensable para que el
Black Belt logre tener la apertura de los miembros del equipo de trabajo.
2.4 Resumen del capítulo
En este capítulo se muestra de manera general parte de la filosofía que forma a

Seis Sigma como estrategia de negocio, presentado sus antecedentes y metodología.
El desarrollo de los proyectos Seis Sigma de mejora se lleva a cabo con el uso de
herramientas estadísticas para comprobar con datos las creencias, y con esto tener un
mejor nivel de conocimiento de los procesos.
Las fases del proyecto de mejora son medir, analizar, mejorar y controlar, con lo
que se lleva a cabo el proceso de caracterizar y optimizar el proceso analizado para su
mejora.
El estudio detallado de la metodología y de las herramientas de calidad,
estadísticas y software relacionados se pueden encontrar en parte en la bibliografía
listada en este trabajo.
El manejo de la resistencia al cambio que implica la implementación de una

iniciativa de negocio que pretende cambiar la forma de administrar, como lo es Seis
Sigma, es crítico para tener resultados satisfactorios.
3 MEDIR
En este capítulo se presentará la aplicación y resultados de la fase medir al

proyecto para iniciar con la etapa de caracterización del proceso, desde el punto de
conocer el proceso y entender su desempeño actual, sobre la base de un indicador que
muestre el estado actual del proceso.
Se inicia con la descripción operativa del proceso, sección 3.1, para después ir a
identificar la variable de medición y su fuente en la sección 3.2. La calidad de la
información es fundamental para los análisis que se realizarán, por lo que en esta
primera etapa se verificará su validez, en la sección 3.3.
Lo anterior sirve para el desarrollo del proyecto y medir el desempeño actual del
proceso, sección 3.4. Se establecerá un objetivo de desempeño del proceso sobre la base
del desempeño actual, que será realizado en la sección 3.5.
Finalmente en la sección 3.6 se presentan las conclusiones y resultados principales

encontrados en este capítulo al haber aplicado la fase de medir de la metodología.
3.1 Descripción de! Proceso de Hornos
En una empresa se tienen 6 hornos para la reducción de materiales y recuperación

del metal que contienen. El trazado de la operación contiene tres áreas; el almacén y
preparación de las cargas de materia prima para los hornos, los hornos y almacén del
producto terminado, ver Figura 3.1.
Figura 3. i Trazado general de la planta
Dado que la mejora a realizar es operativa, el proceso se describe en términos

operativos.
Cada uno de los hornos es operado por un hornero, el cuál es responsable de

cargar, operar y descargar el homo. En el área de almacén de materias primas está un
operador que ayuda a tener la materia prima lista para cargarse en los hornos y en
almacén de producto terminado está un operador para recibir y entregar el producto
terminado a la siguiente etapa del proceso de esta empresa.
La operación del horno es continua, es decir, cuando termina de procesar un lote

comienza el siguiente sin interrupción. Los hornos trabajan todos los días del año, con
excepción de sus paros programados para mantenimiento de ladrillo refractario, los
cuales son de 6 a 8 días cada 4 a 6 meses.
El primer análisis del proceso es realizado usando el mapa del proceso, ver Figura
3.2, con la finalidad de conocer los subprocesos involucrados. El proceso de los hornos
inicia cuando se cargan los materiales con metal y los fundentes en el homo, para llevar
a cabo esta labor se transporta el material desde el almacén de materia prima hacia los
hornos. Cuando el horno se llena, inicia el proceso de fusión de los materiales.
Inicio
i 1
ur.'„ Cargado del Segunda
Homo fusión
"
Cargador Frontal
ft
|U
Montacargas
i *
Descarga de
Primera
metal y
fusión
escoria
1 i
JT Limpieza y
Recargado
preparación
del Homo
Cargador F r o n t a U r y - ( V del Homo
Montacargas
1
Fin
Figura 3.2 Mapa del proceso de Hornos
Después de que pasa el proceso de la primera fusión, se agrega más material en el

horno, para esto se inicia el recargado del horno con un procedimiento similar al del
cargado del horno, pero en menor cantidad de materiales. Al terminar este recargado,
inicia la segunda fusión que continúa hasta que el metal y la escoria están listos para
descargarse.
Se inicia la descarga del metal y la escoria, los cuales son transportados al área del
almacén de producto terminado. Cuando termina la descarga se procede a hacer limpieza
y preparar el horno para la siguiente carga, con esto termina el proceso.
3.2 Identificación de la variable de medición y la fuente de

información
El primer paso al iniciar el trabajo de caracterización del proceso, es el formar un

equipo de trabajo para el desarrollo del mismo. Este equipo fue definido considerando
todos los involucrados en el proceso.
El equipo fue coordinado por el autor como Black Belt y los integrantes son el jefe
del área y sus supervisores, además de todos los operadores de la misma área. El
personal de mantenimiento fue involucrado también en el equipo, dadas las posibles
implicaciones que pudiera tener en la operación de los equipos del área.
Se realizaron reuniones con el equipo para exponer la definición del proyecto de

mejora por iniciar y se les solicitó su cooperación dado el gran involucramiento que
tienen con el proceso.
En todos los análisis de grupo fue tomado en cuenta la opinión de cada uno de los
miembros del equipo y se retroalimentaron los avances para asegurar que acepten los
cambios posibles propuestos en la etapa de optimización del proceso.
Para identificar la variable de medición y determinar la fuente de información

primero se decide conocer al proceso a través del diagrama SIPOC. Donde primero se
identifica lo que hace el proceso en el área de Hornos, para analizar cuáles son las
entradas y salidas y quiénes son los proveedores y clientes. En la Tabla 3.1 se muestra el
diagrama SIPOC para el proceso de los hornos.
(S) Proveedores (I) Entradas (P) Proceso (O) Salidas (C) CUentes
Preparación d e cargas > Materiales con Reducir los > Metal líquido. Proceso de refinación del
materiales para
(interno). metal. recuperar el metal y Escoria líquida. metal (interno).
Reaueri mientas: que contienen en los Rea uerímientos:

> Fundentes.
hornos.
• Cargas disponibles, > Gas-Oxígeno. • Volumen de producción;
o Tiempo. entre mayor mejor, dado
o Cantidad. que homos es el cuello
• Disponibilidad del de botella de la empresa.
cargador frontaL • Metal libre de escoria,
• Preparación correcta de según especificaciones.
carga. • Identificación correcta
• Identificación correcta del producto terminado.

de cargasflotes.
Control Ambiental
Suministro de energéticos (interno/externo).
(extemo). Reauerimíentos:
Reauerimientos: • Calidad de escoria.
Disponibilidad.
Tabla 3.1 Diagrama SIPOC
La información de los requerimientos de los clientes internos fue consultada con

las personas a cargo de esas áreas en la empresa.
Analizando la información obtenida de los requerimientos del cliente, en el

diagrama SIPOC, contra la declaración del proyecto de mejora, el equipo decidió que la
característica crítica para el cliente (CTQ) es el volumen de producción. Se llegó a esta
conclusión por medio de técnica de grupo nominal, ver [4],
Para la selección de la CTQ se tomó en cuenta la declaración del problema con el

cual inició este proyecto de mejora, el cual es presentado en el capítulo 1, ver sección
1.1 Descripción del problema.
El volumen de producción es una medición de negocio, por lo que se requiere
tener una medición de proceso con la cual se pueda trabajar en el proyecto de mejora.
Un análisis de cascada de la demanda sirve para encontrar los posibles indicadores a
utilizar que arrojen la medición del proceso, por lo que se decidió a realizarlo.
Característica Crítica para el Cliente

Volumen de producción.
Número de cargas procesadas.
Tiempo de duración de las cargas.
Tiempos muertos por mantenimiento preventivo.
Tiempos muertos por fallas.
Toneladas por carga.

Capacidad instalada.
Aprovechamiento de materiales.
Tabla 3.2 Cascada de la demanda
Con el análisis realizado de la cascada de la demanda, ver Tabla 3.2, se identificó

que el volumen de producción está en función de dos características del proceso, el
número de cargas procesadas y las toneladas que ofrece cada lote. Las toneladas que
ofrece cada lote están en función de la capacidad instalada y el aprovechamiento de los
materiales.
La capacidad instalada y el aprovechamiento de materiales no serán parte del

alcance de este proyecto, por lo cual se descartan para este trabajo dado que en los
procesos de mejora se busca trabajar con el mismo equipo instalado o con cambios
mínimos.
La característica crítica del proceso, donde mediremos la mejora del proceso, que
está en función del objetivo del proyecto es el número de cargas procesadas. La
medición de respuesta del proceso a seleccionar es el tiempo de duración de las cargas,
el cual es el indicador del desempeño del proceso. Lo anterior fue decidido por el
equipo, usando técnica de grupo nominal.
Se identificó que la fuente de información son los reportes de producción diarios y

los reportes de las cargas, que se llevan actualmente en el área. Los reportes se llevan de
manera impresa y no se capturan en un medio electrónico con el detalle de las cargas,
solamente se captura los totales diarios de producción, por lo que se procedió a capturar
la información de esta fuente.
También se especificó la unidad de medición para cada una de las variables de

medición, esto está reportado en la Tabla 3.3.
Variable Unidad de Medida Fuente de información

Cargas procesadas N ú m e r o de cargas p o r mes Reportes de cargas
Tiempo duración d e las Horas Reportes de cargas

cargas (se utilizará escala decimal)
Tabla 3.3 Variables de medición
Se procede después de la definición de la variable a medir del proceso, a recolectar

información de los últimos meses. Esta información se presenta en la Figura 3.3, en
forma de un histograma de la información.
Para futuros análisis será requerido tener una especificación de esta variable del
proceso, por lo que se procede a establecer los límites del proceso para establecer el
estado de desempeño. Dado que esta variable tiene la característica de que entre menor
es mejor, solamente se definirá el límite superior de especificación.
Aunque el equipo de trabajo establece que el tiempo de duración de las cargas

debería ser de 8 horas, no se tiene un valor especificado para tener el límite superior del
proceso. Por lo anterior, se trabaja con el equipo para buscar cómo establecer este límite.
Histograma
Duración de la Carga
180
160
140
2
120
\
\
g
80
100
!
| 11
\
£ 60 í
40
h\
20
0
5 6 7 8 9 10 11 12 13 14 15
Tiempo
(Horas)
Figura 3.3 Histograma del tiempo de duración de la cargas
El límite superior se especifica, de acuerdo con el equipo y con el análisis de la

información y se tomará el valor que represente el tercer cuartil de los datos. Lo anterior
dada la gran variación observada por el proceso y a la falta de una especificación
establecida.
Con la selección del tercer cuartil, el equipo decidió establecer la reducción del
25% restante de las cargas con tiempos de duración por encima de este valor establecido
por el tercer cuartil actualmente.
D e s c r i p t i v e S t a t i s t i c s : T i e m p o D u r a c i ó n (Horas)
Variable N Mean Median TrMean StDev SE Mean

Tiempo 1063 7.8495 7.7500 7.8066 0.8319 0.0255
Variable Mínimum Maximum Q1 Q3

Tiempo 5.1700 14.3300 7.3300 8.2500
Tabla 3.4 Estadística descriptiva de los tiempos de duración de la carga

En la Tabla 3.4 se observa el reporte del software Minitab de la estadística
descriptiva para los datos mostrados en la Figura 3.3, donde muestra el valor calculado
para el tercer cuartil bajo el encabezado "Q3" que es igual a 8.25 horas.
El valor de 8.25 horas como límite superior de especificación (LSE), será usado en
las siguientes etapas del proceso. Con esta definición se procede a validar el sistema de
medición y continuar con el inicio del análisis de la información para conocer el
desempeño actual del proceso. El LSE está dado por:
LSE= 8.25 horas (3.1)
3.3 Validación del sistema de medición
Para validar el sistema de medición de los tiempos de duración de la carga se tomó

al azar, de los 6 hornos, 30 cargas para registrar la diferencia entre el tiempo reportado
por el hornero y el tiempo transcurrido entre fin de la carga anterior y el inicio de la
carga siguiente a la carga estudiada. Lo anterior para tener dos fuentes de información y
poder validar el sistema de medición, ver datos en Tabla 3.5.
De los datos recolectados se calculó la diferencia entre cada par de datos, por el
tipo de información se decide hacer un estudio de reproducibilidad (Gage R&R) por el
método corto, para lo cual se requiere conocer la variación de las mediciones, para
evaluar que tanto aportan en la información recolectada contra las especificaciones.
Para la evaluación de la variación que aporta el sistema de medición, se usa el

método corto documentado en [2], con la diferencia de obtener directamente la
desviación estándar por tena- 30 datos. Se usan las siguientes ecuaciones:
5A5íT (3.2)
%GR&R= *100
Tolerancia
Tolerancia = 2* LSE - Xpmxso (3.3)
donde:
%GR&R es el porcentaje de aportación de la variación del sistema de medición a la
tolerancia establecida,
CT es la desviación estándar de las diferencias encontradas entre las dos
fuentes de información,
LSE es el límite superior de especificación establecido en la (3.1 y
X Proceso
es el promedio histórico del proceso.
Tiempo reportado por Tiempo reportado por

Muestra d hornero Tiempo Real Diferencia Muestra el hornero Tiempo Real Diferencia
1 7.67 7.84 0.17 16 9.33 9.66 0.33
2 8.33 9.25 0.92 17 9.00 9.17 0.17
3 8.58 9.08 0.50 18 9.50 9.50 0.00
4 7.92 8.09 0.17 19 11.08 11.08 0.00
5 7.67 7.67 0.00 20 8.17 8.17 0.00
6 8.08 8.08 0.00 21 9.00 9.00 0.00
7 8.42 8.42 0.00 22 9.75 9.75 0.00
8 11.50 13.83 2.33 23 9.17 9.34 0.17
9 10.00 10.00 0.00 24 9.08 9.08 0.00
10 9.25 9.42 0.17 25 11.92 11.92 0.00
11 8.17 8.67 0.50 26 10.83 11.08 0.25
12 9.33 9.83 0.50 27 10.25 10.25 0.00
13 8.42 8.67 0.25 28 7.92 8.09 0.17
14 8.92 9.09 0.17 29 8.67 8.84 0.17
15 11.50 12.17 0.67 30 8.75 9.00 0.25
Promedio Diferencia 0.26 Horas

Desviación Estándar 0.45 Horas
%GR&R 291 %
LSE 8.25 Horas

Promedio Histórica 7.85 Horas
Tolerancia 0.80 Horas
Tabla 3.5 Cálculo de %GR&R
El análisis presentado en la Tabla 3.5 arroja un resultado que indica que la

variación encontrada puede ser de 291% del tamaño de la tolerancia establecida, por lo
que el sistema de medición es inaceptable. El criterio máximo aceptable es tener un 30%
de la variación explicada por el sistema de medición, ver [2]. Por lo tanto se deberá
resolver este problema antes de continuar con el análisis de la información.
Se procedió con el análisis de las causas con el equipo de trabajo y se encontró que
el tiempo de duración de carga era reportado entre el inicio de la carga y el final de la
colada, pero algunos horneros no estaban reportando el tiempo que usan entre el final de
la colada y la limpieza y el tapado del horno antes de volver a cargarlo, por tener
diferentes criterios de cómo medir el tiempo de duración de la carga.
Por lo anterior se solicitó a los supervisores de Hornos que hablarán con sus
horneros para que reporten el tiempo de duración de la carga, desde el final de la colada
de la carga anterior hasta el final de la colada reportada. Con esto se evitarán los tiempos
no reportados.
Se evaluó nuevamente el sistema de medición y se verificó que se había

estandarizado el criterio para el registro de la duración de las cargas; es decir, la
diferencia encontrada fue de 0.
Para los análisis del siguiente capítulo se toma el tiempo transcurrido entre los
finales de cada colada de carga. Las diferencias que se registren en el futuro se asentarán
en el reporte de tiempos muertos con tiempo no registrado entre cargas.
Se revisó además el registro del número de cargas procesadas por mes, en el

reporte de cargas, contra los datos reales dando iguales en todos los casos. Con lo
anterior se valida la información que está registrada en los reportes de cargas y de
producción.
3.4 Evaluación del desempeño actual
Con la fuente de información validada, se evaluó el desempeño actual del proceso.

Con la finalidad de calcular el Nivel Sigma y los DPMO se toman datos del último mes
completo que es el estándar usado por el personal, para tomar esta primer medición
como el desempeño inicial. Este desempeño inicial servirá para hacer la comparación del
desempeño del proyecto en el futuro.
Los datos son tomados para los 6 hornos, cuidando tener la información correcta
evitando las diferencias de criterio detectadas en la sección 3.3. Esta información fue
capturada en una hoja electrónica, para después proceder a su análisis.
Análisis de Capacidad del Proceso

Tiempo Duración (Horas)
LSE
Process Dala
USL 8 25000
Within
Target
LSL Overall
Mean 7.99489
Sample N 509
StDev (Within) 0.727387
StDev (Chetali) 0.858138
Potential (Within) Capability

Z Bench 0.35
ZUSL 0.35
Z.LSL
Cpk 0.12
Cpm *
Overall Capability Observed Performance Exp. 'Within* Performance Exp. 'Overall' Performance
Z Bench 0.30 P P M < LSL PPM < LSL * PPM < LSL
ZUSL 0.30 PPM > USL 267190.57 PPM > USL 362899.72 PPM > USL 383126.01
ZLSL P P M Total 267190.57 P P M Total 362899.72 P P M Total 383126.01
Ppk 0.10
Figura 3.4 Capacidad del proceso
Se determina la capacidad del proceso para la información recolectada de los seis

hornos, la cual es del mes base de estudio. Arroja un desempeño de defectos
representados por 383,126 DPMO o PPM, como se presenta en la Figura 3.4 como
"PPM Total", en la columna "Exp. 'Overall' Performance".
En la misma figura se presenta el número de cargas realizadas en el mes analizado,

las cuales son 509 cargas, lo anterior se presenta en la figura como "Sample N", que se
refiere al tamaño de muestra observado en este análisis.
Lo anterior equivale a tener un Nivel de Sigma igual a 0.30, considerando que en
un mes se presentan todas las causas comunes de variación, se toma el análisis de largo
plazo. En la Figura 3.4 se puede ver el valor del análisis de largo plazo bajo el título de
"overall capability", Zbench, que es la Z del proceso.
Lo anterior representa que se tiene el 38.31% de probabilidades de tener cargas

con duración de tiempo de carga mayor al LSE. También se realizó este análisis para
cada uno de los hornos, arrojando los resultados presentados en la Tabla 3.6.
Horno Nivel Sigma DPMO Media Desviación

(T (horas) estándar
1 0.27 395172 8.031 0.821
2 0.34 366344 7.904 1.010
3 0.03 488038 8.226 0.803
4 0.71 238026 7.821 0.599
5 -0.06 522412 8.304 0.954
6 0.58 281941 7.795 0.786
Tabla 3.6 Nivel Sigma de los Hornos
Con los análisis anteriores se conoce el desempeño actual del proceso en función
de la característica que se busca mejorar, el tiempo de duración de las cargas definida en
3.2. Con la información anterior el siguiente paso es establecer cuál debe ser el objetivo
de mejora del proceso.
3.5 Determinación de los objetivos de mejora
Para poder determinar los objetivos de mejora a establecer en este proyecto, se

debe analizar el comportamiento de la información recolectada. Para lo que se usará una
gráfica de control de datos individuales para tratar de identificar cómo se comporta el
proceso.
Gráfica de Control, datos individuales
Tiempo de Duración de Cargas
i i l l I r
0 100 200 300 400 500
Número de Observación
Figura 3.5 Gráfica de control
En la Figura 3.5 se observa que existen causas especiales de variación, las cuales
son identificadas por ser observaciones (presentadas como "1" en la gráfica) que están
fuera de los límites de control del proceso calculados y representados en la misma figura
como LSC (límite superior de control) y LIC (límite inferior de control). La variación
que está dentro de los límites de control se dice que son de causas comunes de variación,
las cuales deben ser el enfoque principal del proyecto para analizar.
Para establecer los objetivos de mejora se debe estar trabajando con datos con
causas comunes de variación, por lo cual se eliminarán estos datos de la información
para realizar los análisis y así establecer el objetivo de desempeño.
Lo anterior asegura normalidad de los datos y permite el uso de más herramientas

estadísticas, pero no significa que no se tomen en cuenta las cargas que tienen causas
especiales, sino que esas causas se deben atacar de manera distinta y además por su
naturaleza son de fácil identificación.
El análisis de las cargas que se muestran como causas especiales se presume que
se refieren a fallas identifícables del equipo, quemadores y equipo móvil,
principalmente. Estas fallas se analizarán para ver su efecto en la fase de analizar.
Gráfica de Control
Causas Comunes
LSC=9.776
Media=7.911
L1C=6.046
i i I I r
0 100 200 300 400 500
Observación
Figura 3.6 Gráfica de control, causas comunes
En la Figura 3.6 se muestran todas las observaciones que están dentro de los
límites de control estadístico, con estos datos se analiza el comportamiento comparado
de los 6 hornos, para tratar de identificar si es posible establecer una diferencia entre el
desempeño de cada horno.
Para ver si tenemos una diferencia significativa entre el desempeño de los hornos
se usa una prueba estadística ANOVA, para probar si existen diferencias entre el tiempo
promedio que tiene cada uno de los hornos. La intención de este análisis es poder
establecer un "benchmark" o punto de comparación del desempeño que sirva para
establecer el objetivo de desempeño del proceso, dado que no tenemos una referencia
externa de dónde lomar el punto de comparación.
En la Tabla 3.7 se presentan los resultados del análisis del ANOVA. La prueba
indica que existe una diferencia significativa entre los tiempos promedio de duración de
carga según el horno donde se están procesando. Al tener un valor de p menor al nivel
de significancia aceptado de 0.05 se rechaza la hipótesis nula.
One-way ANOVA: Tiempo versus Homo
1
Analysis of Variance for Tiempo
Source DF SS MS F f P X
Horno 5 12.445 2.489 5.95 I 0.000 I
Error 483 202.189 0.419 V y
Total 488 214.634
Individual 95% CIs For Mean
Based on Pooled StDev
Level N Mean StDev + + + +
Ho m o l 87 7.9432 0.6635 < * }
Horno2 88 7.8011 0.5958 ( * )
Horno3 53 8.2485 0.6109 ( >
Horno4 93 7.8215 0.5996 * )
Horno5 78 8.0706 0.6829 ( * )
Horno6 90 7.7436 0.7115 ( * >
Pooled StDev =• 0.6470 7.75 8.00 8.25 8.50
Tabla 3.7 ANOVA. Tiempo duración contra horno
Ya que se tiene como objetivo reducir la variación que se tienen entre las cargas,
se analiza la información para identificar si tienen la misma variación entre los hornos.
En la Figura 3.7 se tiene la prueba de homogeneidad de varianzas, donde arroja el
resultado del valor de p de 0.450 según la prueba de Bartlett para distribuciones
normales, lo cual indica que no se puede rechazar la hipótesis de igualdad de varianzas
según el horno.
Test for Equal Variances for Tiempo

9 5 % Confidence h t e r s t s lot Slgmas Factor Levels
Hxnol
Bartfetfs Test
HXTKI2 Test Statistic: 4.728
P-Value : 0.450
htomo3
Homo4
Levene's Test
Tea Statistic: 0.808

HjmoS
P-Value : 0.544
Hunos
~1 1 1 1 r
05 OS 07 OS OS
Figura 3.7 Homogeneidad de varianzas
Con el aprendizaje anterior, se busca establecer cuál es el horno con el promedio

menor de tiempo de duración de las cargas, para lo cual se realiza una prueba de análisis
de medias. Con esta prueba identificamos el horno que es significativamente distinto,
como lo presentó la prueba de ANO VA realizada anteriormente.
ANOM, Análisis de Medias

Tiempo Duración Carga por Horno
8.07392
7.91117
7.74841
1 r
Homol Homo2 Homo3 Homo4 Homo5 Homo6
Niveles para Homo
Figura 3.8 Análisis de medias
En la Figura 3.8 se observa en esta prueba gráfica que el horno #6 tiene un

promedio de duración de carga significativamente distinto y menor al promedio de todos
los hornos, con un nivel de confianza del 95%. Esto se presenta con el asterisco que
presenta la media. También presenta que el horno #3 tiene un promedio de carga
significativamente distinto, aunque en este caso es mayor que el promedio de todos los
hornos.
En la sección 3.4 se encontró que el desempeño actual del proceso es de un Nivel

Sigma de 0.30, sin embargo es necesario encontrar el intervalo de confianza (I.C.) de ese
valor, dado que el objetivo de desempeño que se establezca en esta sección debe estar
fuera del intervalo de confianza del desempeño actual.
Con la información que se tiene de los I.C. de la media y desviación estándar se

puede calcular el I.C. del Nivel Sigma del proceso. En la Figura 3.9 obtenemos la
información de los valores del I.C., se usarán los valores superiores del I.C. de la tnedia
y desviación estándar para calcular el valor inferior del I.C. del Nivel Sigma y los
valores inferiores del I.C. de la media y desviación estándar para el valor superior del
I.C. del Nivel Sigma.
Intervalo de Confianza Variable: Tiempo

Media 7.99489
95% Intervalo de Confianza (I.C.) para la Media Oesviaaóri Std 0.85772
9 5 % I.C. d e la Media
7.9202 8.0696
7.85 7.95 8.05
9 5 % I.C. para la D e s v . Std.
0.8081 0.9139
Figura 3.9 Intervalo de confianza del desempeño actual
El valor de Nivel Sigma objetivo del proceso debe estar fuera y por encima del
I.C. del Nivel Sigma actual del proceso. Los cálculos para llegar al I.C. se encuentran en
la Tabla 3.8.
/ e. 8.25-8.0696 n i o „
Nivel Sigma,^ = q ^ = 0.1973
... 8.25-7.9202
Nivel Sigma
5
^^ =
supenor ^ g j
= 0.408
Nivel Sigma = 0.30

0.1973 < Nivel Sigma < 0.408
Tabla 3.8 Intervalo de confianza para el nivel sigma del proceso
Como se concluyó que el horno 6 tiene el mejor desempeño actualmente y es

significativamente distinto del comportamiento del resto de los hornos, se calcula el
desempeño actual de este horno para buscar establecer el objetivo de desempeño.
Con la información del horno 6, del cual fueron ignoradas las causas especiales
identificadas al eliminar los datos, se obtiene un nivel sigma de 0.71 y unos DPMO de
238,907. El desempeño está fuera del intervalo de confianza calculado para el
desempeño actual.

Homo 6
LSE
Process Data
USL 8.25000
Within
Target
LSL Overall
Me» 7.74356
SampIeN SO
StDev(Within) 0.64407$
SIOev(CKetall) 0.713481
Potential (Wrthin) Capabilrty

Z.Bench 0.79
Z.USL 0.79
Z.LSL
Cpk 0.26
T n
Cpm
10 11 12
Cerali Capability Observed Perfoimance Exp. 'Within" Peflbrmance Exp. "Overall" Performance
ZBench 0.71 PPM < LSL P P M < LSL PPM < LSL
Z.USL 0.71 PPM > USL 200000.00 PPM > USL 215842.20 PPM > USL 238907.20
Z.LSL PPM Total 200000.00 PPM Total 215S4Z20 P P M Total 238907.20
Ppk 0.24
Figura 3.10 Análisis de capacidad del proceso, Horno 6
Al presentar esta información al equipo decidió una reducción de defectos de al

menos el 50% de los DPMO, como un criterio preliminar para alcaazar un aumento
significativo en esta variable. Ya que el horno 6 tiene el mejor desempeño actual, se
toma como objetivo una reducción del 50% de los DPMO que presenta el horno 6, ver
en Tabla 3.9.
Lo anterior lleva a estimar un objetivo de 119,453 DPMO o 1.18 Nivel Sigma,

como se indica en la Ecuación( 2.3.
50%REDUCa0N
DPMO
UrMU
ACTUAL
) DPMO
* UrLV1U
OBJETIVO
50%REDUCCIÓN
23 8907 >119453
Nivel Sigma OBJETIVO = 0"'(0.119453)

Nivel SigmaOBJETIVO = 1.18
Tabla 3.9 Nivel Sigma objetivo
Se concluye estableciendo el nivel sigma objetivo para el proyecto, el cual está
fuera del intervalo de confianza del desempeño actual, por lo tanto representa una
mejora real del proceso.
3.6 Conclusiones del capítulo
El proceso de hornos tiene variación de los tiempos de duración de carga, lo cual

hace que el Nivel Sigma sea bajo. La mejora en el sistema de medición de los tiempos
de duración de las cargas permitió conocer de manera real el desempeño del proceso.
El objetivo de mejora establecido en la sección 3.5, indica tener un desempeño de

los hornos de un Nivel Sigma de 1.18. En el cual con los 119,453 DPMO esperados,
significan que solamente el 11.9% de las cargas tendrán un tiempo mayor al límite
superior de especificación establecido por el equipo de trabajo de este proyecto de
mejora.
El entendimiento del porqué de las variaciones en el tiempo de proceso se realizará

en el capítulo 4.
4 ANALIZAR
Con la fase de analizar se terminará la etapa de caracterización del proceso al

conocer su problema estadístico; es decir, cuáles son las causas que ocasionan el
desempeño observado en la fase de medir.
Para conocer el problema estadístico, primero se enfocará el esfuerzo a identificar

todas las posibles causas de variación que ocasionan los defectos, sección 4.1, para
continuar con la validación de las causas más probables en la sección 4.2.
En esta fase se trabaja con pruebas estadísticas para darle validez y un alto nivel de
conocimiento a las ideas generadas por el equipo de trabajo. En la sección 4.3 se
presentan las conclusiones encontradas en este capítulo.
4.1 Identificación de las causas de variación
Para identificar las fuentes que generan los defectos reportados en la fase de medir
realizado en el capítulo 3, los cuales son las cargas con duración en tiempo en exceso, se
trabaja con el equipo del proyecto para generar una lluvia de ideas de las posibles causas
de variación que están ocurriendo sobre el proceso.
Se llevan a cabo varias sesiones de trabajo para tener la opinión de todos los
involucrados, donde se les pide respondan al cuestionamiento "¿Qué, Quién, Por qué se,
Cómo se, Cuándo se, podría afectar el tiempo de duración de las cargas?"
149131
A
Para categorizar este análisis se usa el diagrama Causa-Efecto , donde el objetivo
es tener las causas probables con un buen nivel de análisis que conduzca a encontrar
causas raíz.
Se le pide al equipo el evitar dar ideas que sean soluciones o ausencias de

soluciones, es decir evitar que en esta etapa traten de resolver el problema planteado.
Para este análisis de grupo se usará el análisis de Por Qués, para lo cual se representará
como una rama inferior en el diagrama causa efecto, la respuesta al cuestionamiento del
por qué la causa planteada afecta.
Se realiza el análisis clasificando las posibles causas en categorías: método,

maquinaria, mano de obra, materiales, medio ambiente y medición, ver [4]. Lo anterior
con la finalidad de ayudar en la comprensión de las causas, esta clasificación hace que
algunos autores llamen a esta herramienta diagrama 6M.
El resultado del trabajo con el equipo del proyecto está documentado en el

diagrama causa efecto presentado en la Figura 4.1.
El siguiente paso de este análisis es hacer una votación del equipo para priorizar
las causas de las cuales se considera están afectando el desempeño de las variables que
se están analizando. A esta herramienta se le conoce como técnica de grupo nominal y se
basa en el conocimiento y experiencia del equipo de trabajo para la priorización de las
causas.
Las causas que fueron priorizadas por el equipo bajo esta técnica fueron resaltadas
del texto usando letras negritas en la Figura 4.1 y están listadas en la Tabla 4.1, éstas
serán las causas que se analizarán en la siguiente sección, la 4.2.
8
También se le conoce como diagrama de pescado o Ishikawa (en relación con su desarrollador Karoru
Ishikawa).
<4-1
®
i
o
es
£
2
S?
«
S
Ml
b
En la sección 4.2 es donde se buscará validar si en realidad las causas priorizadas
por el equipo afectan a la variable que se está analizando, el tiempo de duración de las
cargas.
Las causas que fueron priorizadas por el equipo de trabajo están listadas en la
Tabla 4.1, donde se establece la selección que se realizó sobre todas las causas posibles
identificadas por el equipo que pueden afectar el tiempo de duración de las cargas. Con
esta reducción se logra priorizar aquellas causas que el equipo considera que son las más
probables.
Al realizar el listado final se identificó que dos causas; la de cambio de

condiciones del homo y la del tiempo perdido en cambios de turno, estaban repetidas en
distintas categorías por lo que se procedió a listarla en la categoría que fuera más
representativa. Aunque esto se puede realizar desde la generación del diagrama causa
efecto, no es recomendable por la metodología dado que podría ocasionar que el equipo
de trabajo se vea afectado en su disposición de aportar posibles causas.
Método
Cambio de condiciones del homo fuera de tiempo por falta de
atención de los operadores, por que depende del tiempo
disponible
Máquina
Fallas del sistema de combustión por que ocasionan tiempos
muertos
Montacargas, ocasionan tiempos muertos por disponibilidad de
los mismos
Montacargas, el recorrido de los montacargas hace que tome más
tiempo entre el horno 6 que el horno I
Mano de Obra
Tiempo de recarga del horno no se realiza a tiempo por el
seguimiento de los operadores
Algunos operadores se tardan a propósito por falta de
supervisión
En los Cambios de turnos se tiene tiempo de operación perdido
por falta de supervisión de los operadores
Vi edición
Diferencia sobre cómo medir la duración de carga entre los
operadores
Tabla 4.1 Causas priorizadas
La razón de la priorización de las potenciales causas es para poder tener la
facilidad de seguir avanzando en el análisis de este proyecto aprovechando el
conocimiento del equipo de trabajo.
4.2 Validación de las causas potenciales
Se procederá a analizar las causas priorizadas en la sección anterior, para validar

su efecto sobre la característica crítica seleccionada (CTQ) con la cual se está
trabajando, el tiempo de duración de las cargas.
Para realizar la validación de las causas se iniciará con una planeación del cómo
podemos realizar esta verificación. Para lo anterior se reunió el equipo de trabajo para
elaborar esta planeación.
El objetivo de esta planeación es tener una estrategia que conduzca a verificar si

las causas priorizadas por el equipo de trabajo en la sección 4.1, en realidad están
afectando. Por lo anterior se le planteó al equipo "¿cómo se puede verificar cada causa,
usando datos y análisis de los mismos?", el resultado de este trabajo en equipo está
presentado en la Tabla 4.2.
El siguiente paso es llevar a cabo la planeación de la verificación de las causas

probables priorizadas por el equipo de trabajo para comprobar si son significativas y
llevar a una conclusión sobre cada una de ellas. Existen causas que tienen planes
comunes de verificación, lo anterior se puede observar en la Tabla 4.2.
Para verificar la primera y sexta causas citadas en la Tabla 4.2 se decidió tomar
información del horno #6, para lo cual se capturó la información de duración de carga y
el turno que lo reportó.
Causas Probables ¿Cómo se puede verificar?
Cambio de condiciones del homo Capturar información de duración de cargas por turno. Analizar el
fuera de tiempo por falta de tiempo de duración de cargas por turno. Investigar por entrevista
atención de los operadores, porqué con los operadores que tienen los mayores tiempos y los menores
depende del tiempo disponible. tiempos como se realizan los cambios de condiciones de los
hornos.
Fallas del sistema de combustión Analizar la información de demoras reportadas para verificar las
ocasionan tiempos muertos. causas de fallas principales y trabajo con el equipo para identificar
las causas de las fallas.
Montacargas, ocasionan tiempos Analizar la información de demoras para verificar las causas de
muertos por disponibilidad de los fallas principales y trabajo con el equipo para identificar las causas
mismos. de las fallas.
Montacargas, el recorrido de los Analizar la información de duración de cargas promedio por

montacargas hace que tome más horno, donde la hipótesis es que dado que el horno 6 duran más
tiempo entre el horno ó que el tiempo las cargas porque se recorre más distancia desde el
horno 1. almacén de materias primas, esto comparado contra el homo 1 que
está más cercano al almacén.
Tiempo de recarga del homo no se Implementar la medición del tiempo de recarga de los hornos.
realiza a tiempo por el seguimiento Capturar la información de duración de cargas, tiempo de recarga,
de los operadores. tumo y homo. Analizar el tiempo de duración de carga contra el
tiempo de recarga del horno.
Algunos operadores se tardan a Capturar la información de duración de cargas por tumo. Analizar
propósito por falta de supervisión. el tiempo de duración de cargas por turno. Investigar por
entrevista con los operadores que tienen los mayores tiempos y
con sus supervisores para identificar posibles operadores que se
tardan a propósito.
En los Cambios de tumos se tiene Analizar la información de demoras para verificar las causas de
tiempo de operación perdido por fallas principales y trabajo con el equipo para identificar las causas
falta de supervisión de los de las fallas.
operadores.
Diferencia sobre como medir la Realizado en la fase de Medir. Validado con el estudio de
duración de carga entre los vahdación del sistema de medición. Se le dará seguimiento.
operadores.
Tabla 4.2 Planeación de la verificación de causas probables
Cabe mencionar que la planta cuenta con 4 tumos, dado el proceso continuo
mencionado en 3.1. Cada turno tiene un operador asignado a cada horno, por lo que
tener la información del turno que reporta cada carga, permite identificar a los
operadores.
En la Figura 4.2 se presenta el resultado del promedio de los datos recolectados
durante 3 semanas de la duración de carga por cada turno, donde se distingue la
diferencia de desempeño entre los turnos. En la figura se puede apreciar que los turnos 1
y 4 presentan los menores promedios; mientras que los turnos 2 y 3 presentan los
mayores promedios.
Duración de Carga, por cada Tumo
Turno
Figura 4.2 Duración de carga, por cada turno. Horno #6
Con la misma información se procedió a analizar con una prueba de hipótesis si la

diferencia observada en la gráfica es estadísticamente significativa. Para lo anterior se
realiza una prueba de ANOVA de un factor ("One-way ANO VA" en inglés).
La prueba confirma que las diferencias son estadísticamente significativas al ser

menor al nivel establecido de 0.05, los resultados se presentan en la Tabla 4.3, dando el
resultado de P=0.040, se concluye que alguno de los turnos tiene un promedio diferente.
Dado que se valida la diferencia de desempeño por operador, con lo cual se tiene
la primer parte de la validación de causas de cambio de condiciones del horno por falta
de atención y la de que algunos operadores se tardan a propósito, primer y sexta causa
citadas en la Tabla 4.2, se procedió a entrevistar a los operadores para tratar de validar
por completo las causas.
One-way A N O V A : DuraciónCarga versus Turno
Analysis of Variance for DuraciónCarga

Source DP SS MS P P
Turno 3 2.787 0.929 2.90 0.040
Error 80 25.647 0.321
Total 83 28.433
Individual 95% CIs Por Mean
Ijevel N Mean StDev + + -+
1 24 7.6429 0.5139 ( * -)
2 26 8.0458 0.5750 < *. -)
3 14 8.0393 0.4991 ( *-
4 20 7.7355 0.6517 ( * )
— + +
.+ +_
Pooled StDev = 0.5662 7.50 7.80 8. 10 8.40
Tabla 4.3 ANOVA Duración de carga, por turno
De las entrevistas directas llevadas a cabo con los operadores de este análisis y de
otros operadores no incluidos en el mismo, no se puede concluir nada dado los conflictos
y contrapuntos que genera este tipo de investigación.
Se planteó una reunión con parte del equipo de trabajo, supervisores y jefe de área,
para plantear cómo podríamos diferenciar el porqué de las diferencias en el desempeño
de los operadores. El factor experiencia surgió en la reunión, pero fue desechado
rápidamente por que se tienen operadores con mucha y poca experiencia entre los dos
casos encontrados en el análisis, los de menor y mayor duración de carga.
Se decidió entonces seguir en la fase de mejora con solamente una causa, la

diferencia de duración de carga por operador, para trabajar en buscar maneras de
contrarrestar esta causa que ya fue verificada.
Para la validación de las causas de tiempo muerto por fallas del quemador, por
falta de montacargas y la de tiempo muerto de operación a i cambios de turno,
respectivamente la segunda, tercera y séptima causas citadas en la Tabla 4.2, se
recolectó la información de los reportes de demoras de los 6 hornos de un mes. Para
analizar esta información se decidió usar un Pareto9, donde se agruparon las fallas en
categorías generales y tiempos muertos entre los operadores.
Figura 4.3 Pareto de demoras reportadas
Pareto de D e m o r a s Reportadas
300 -
(A
5 200
o
X
100 -
0 4
Defectos
Horas 29.34
Porcentaje 8.0
% Acum. 100.0
En el Pareto presentado en la Figura 4.3 se muestra que las causas clasificadas

como de supervisión ocupan el primer lugar aportando 35.6% del total de demoras
reportadas. La siguiente clasificación fue las causas relacionadas al quemador con 28.7%
de aportación, y la tercer clasificación es la de montacargas que aporta el 19.3%.
Con la suma de las tres primeras clasificaciones tenemos el 83.5% del total, con lo
que el resto de las causas no se toman en cuenta siguiendo el principio de Pareto; es
decir, el enfoque en las pocas vitales que ocasionan la mayor parte de los defectos. En
este análisis el defecto analizado son "horas de demora reportada por los operadores".
Después se tomaron solamente las causas que habían sido clasificadas como
supervisión para analizar y tratar de verificar las causas priorizadas anteriormente,
especialmente la de tiempo muerto de operación por los cambios de turno que es la
séptima causa de la Tabla 4.2.
Pareto de Demoras, por Supervisión
100 -,
O)
2
o
50 -
0 H
Defect
Horas 72.08 10.62
Porcentaje 55.0 8.1
% Acum. 55.0 100.0
Figura 4.4 Pareto de demoras, por supervisión
En el Pareto de demoras, analizado solamente dentro de la clasificación realizada

de supervisión, se presenta que la primera causa encontrada es cambio de turno con el
55% de la aportación en esta categoría, ver la Figura 4.4.
La segunda es tiempo no registrado con el 29.5%, esta no es en realidad una causa

sino que es parte de la implementación de la validación del sistema de medición. Cuando
existe diferencia entre el tiempo entre fin de una carga y el inicio de la siguiente se
reporta bajo este concepto. Aunque no se pudo separar en el análisis, el equipo de
trabajo reconoce por su experiencia que aproximadamente la mitad de los casos ocurren
en los cambios de turno.
Con la información de los Paretos se verifica la validez de esta causa, tiempo
perdido por cambio de tumo, aunque se reconoce que se necesita un mejor medio de
medición de la misma, dado que estos resultados son los reportados por los operadores
y/o supervisores de turno.
De la segunda causa listada en la Tabla 4.2 de fallas del quemador se intentó hacer
el mismo análisis, como en la causa anterior verificada, pero dado que en este punto en
particular cada operador tiene una forma distinta de reportar las fallas no se pudo
encontrar el principio de Pareto en la información. La razón de esto es que tenemos gran
cantidad de causas con pequeñas aportaciones al total.
Por lo anterior se propuso al equipo de trabajo usar otra herramienta de análisis

para estas causas, el anáfisis de modo y efecto de fallas (AMEF). Se realizó una reunión
de trabajo donde se incluyó a personal de mantenimiento y operación para este análisis.
El resultado de este trabajo se presenta en la Tabla 4.4, donde se identificaron con

la evaluación del número de prioridad de riesgo (NPR) las causas más significativas
sobre las cuales hay que buscar la mejora en la siguiente fase del proyecto.
En el análisis el equipo identificó para el sub-proceso del encendido del quemador

dos modos potenciales de falla dada su experiencia a los cuales se les asignó un grado de
severidad (S). De cada modo potencial de falla se realizó una lluvia de ideas para
detectar las causas potenciales de la falla, para las cuales se evaluó la frecuencia u
ocurrencia de estas causas (O).
De las causas potenciales se evaluó también la efectividad de los controles del

proceso actuales para contrarrestarlas, lo cual se denomina nivel de detección (D). La
escala usada y el procedimiento utilizado es el propuesto en [1], donde el NPR es igual
al producto de S, O y D.
Se continuará con el uso de la herramienta AMEF en la fase de Mejorar, donde se
buscarán las acciones recomendadas para contrarrestar las causas a las cuales el equipo
les dio una calificación mayor a 300 en este análisis. El valor de 300 fue establecido por
el equipo al revisar los resultados obtenidos en este AMEF como valor crítico.
Descripción Modo Efecto(s) S Causa(s) O Controles de D NPR

Proceso / Sub- Potencial Potencial(es) Potencial(es) Proceso
Proceso de Falla Falla Actuales
Proceso: Fusión Piloto del Demora al prender 7 Cable de la bujía 10 Rutina MP 9 630
del metal quemador no el quemador dañado
enciende manualmente Piloto obstruido o sucio 9 Rutina MP 6 378
Sub-proceso: Alineación del piloto 8 Instalación 8 448
Encendido del del quemador
quemador Bujía dañada 5 Rutina MP 3 105
Transformador de 5 Rutina MP 3 105
ignición dañado
(fusible)
Válvula solenoide del 3 Rutina MP 6 126
piloto dañada
Protecto / relevador 5 Rutina MP 4 140
dañado (general)
Carro fuera no 8 Rutina MP 6 336
detectado
PLC en falla / alarma 5 Rutina MP ó 210
(general)
Presión de gas / 3 No hay 10 210
oxígeno
No detecta Demora para 8 Sensor UV dañado 7 MP semanal 6 336
flama prender el Sensor desalineado 8 MP / cambio de 5 320
quemador (montaje) diseño de
quemador
Sensor con cables en 7 MP 3 168
corto
Sensor (interno) sucio u 6 MP 6 288
obstruido
Sensor con polaridad 7 No hay 10 560
invertida
Conducto de quemador 9 MP mensual 7 504
de gas sucio / obstruido
Conducto de quemador 8 Dibujos vs. 2 128

de gas fuera de std. reparación
Conducto de quemador 5 MP 3 120
de gas doblado
Fusible abierto 2 No hay 10 160
No hay salida del PLC 2 No hay 10 160
Tabla 4.4 AMEF, falla del quemador
La tercer clasificación de causa presentada en el Pareto de la Figura 4.3 son las
relacionadas a los montacargas que es la tercer causa de la Tabla 4.2, de esta
clasificación se realizó un segundo Pareto para presentar las causas que lo componen.
El resultado es presentado en la Figura 4.5, donde se encuentra que el 53.1% del

tiempo de demora reportado fue debido a que estaba en el taller por alguna falla. Por
estar ocupado el montacargas en otra actividad u horno representó el 35.6% del tiempo,
lo cual también puede significar que está cubriendo la falta de algún otro montacargas
que este en el taller.
Analizando esta información con el equipo de trabajo se llega a la conclusión que

el estado actual del equipo, el cual es de deterioro por el tiempo de operación, es la
principal barrera para lograr buscar una mejora en esta causa de demora.
Se comentó además que en un período menor a un año se tiene contemplado el

cambio de los montacargas y el aumento del número de éstos en uno para tener un
respaldo para sustituir a los que tengan que estar en el taller.
Por lo anterior, se decide en el equipo sólo buscar mejora" la calidad de la

información de estas causas dado que la solución definitiva requiere inversión y tiempo
mayor al enfoque de este proyecto de mejora.
Dado que la distancia entre el horno 6 y el almacén de materias primas es la mayor

debido al trazado de la planta, ver Figura 3.1, la hipótesis planteada por el equipo fue
que este horno es el que presenta la mayor duración de cargas, cuarta causa citada en la
Tabla 4.2. Se utilizó las mismas pruebas de hipótesis usadas en la sección 3.5.
Pareto d e Demoras, por M o n t a c a r g a s
70 -
60 -
50 -
(O
(0 4U -
o
I 30 -
20 -
10 -
Horas 4.97
Porcentaje 7.0
% Acum. 100.0
Figura 4.5 Pareto de demoras, por montacargas
A N O M , Análisis de Medias
Tiempo Duración Carga por Horno
8.07392
7.91117
7.74841
i r Homo3 Homo
i r
Hocnol Komo2 Homo5 Homo6
Niveles para Homo
Figura 4.6 Duración de cargas por horno
En la prueba de hipótesis de análisis de medias, ANOM en la Figura 4.6, se

muestra que al contrario de lo planteado por el equipo, el horno 6 es el que presenta el
menor tiempo de duración de cargas. El horno 3 presenta el mayor tiempo de duración
de carga y está a menor distancia del almacén que el horno 6.
Por el análisis anterior se concluye que la causa de distancia no es significativa

para afectar el tiempo de duración de carga, aunque se reconoce que es real. Lo anterior
demuestra además que son otras las causas que mayormente afectan al tiempo de
duración de la carga.
Para verificar la quinta causa probable citada en la Tabla 4.2, de que los
operadores no recargan a tiempo los hornos por falta de seguimiento, se utilizó la misma
recolección de información de la primer y séptima causas de la Tabla 4.2. Es decir, de
las mismas cargas que se usaron para ver las causas de atención de los operadores por
cambio de condiciones y de que tardaban deliberadamente.
Durante la recolección de información se incluyó el tiempo que se tardaban para

recargar por turno. Los datos se presentan en la Figura 4.7, donde se observa un
comportamiento similar al presentado en la Figura 4.2.
Se revisó si las diferencias en los tiempos para recargar por turnos son
estadísticamente significativas, mediante la herramienta ANOVA. Los resultados son
presentados en la Tabla 4.5, donde se comprueba la significancia estadística de las
diferencias observadas en la Figura 4.7 dado que P=0.007.
Tiempo para Recargar, por cada Turno
Turno
Figura 4.7 Tiempo para recargar, por cada tumo
One-way A N O V A : TieRecarga versus Turno
Analysis of Variance for TieRecarga

Source DF SS MS P P
Tumo 3 1.665 0.555 4.34 0.007
Error 80 10.230 0.128
Total 83 11.895
Individual 95% CIs Por Mean
Level N Mean StDev + + +
1 24 2.4008 0.2890 <— — * )
2 26 2.6462 0.3856 ( * - - )
3 14 2.6357 0.4272 ( * )
4 20 2.3245 0.3418 ( * )
- - + + + +
Pooled StDev = 0.3576 2.20 2.40 2.60 2.80
Tabla 4.5 ANOVA Tiempo para recargar por turno
Regression Plot
Dur. Carga = 3.97746 + 1.50954 TieRecarga
S = 0.163262 R-Sq a 68.0 % R-Sq(adj) = 67.5 %
ra
O)
ra
O
c
-O
'o
ra
Regression
95% C1
95% Pl
Tiempo de Recarga
Figura 4.8 Regresión duración de carga vs. tiempo de recarga
Para validar que la causa del tiempo de la recarga afecta en el tiempo total de
duración de la carga, se tomó información de 83 cargas, las cuales no presentaban fallas,
de tres hornos 1,4 y 6, sin avisarle a los operadores de la toma de información para no
afectar los resultados del estudio.
Una vez capturada la información se decidió analizar, por medio de una regresión,
la posible dependencia de esta causa en el desempeño. Este factor fue significativo de
acuerdo al análisis de regresión, donde presenta una R ajustada (R-Sq(adj)) del 67.5%.
Ver en Tabla 4.6.
El valor de la R2 ajustada representa el porcentaje que el modelo explica de la

variabilidad de los datos de duración de carga en relación con el factor analizado, que es
el tiempo de recarga. Dado que tenemos varias causas afectando al mismo tiempo, una
R 2 del 67.5% representa una validación del efecto de esta causa.
Se analizó la validez del modelo de regresión obtenido de este análisis por medio
del análisis de los residuales, dando satisfactorias las pruebas. Se presenta en la Figura
4.9 un resumen de esta validación.
Regression Analysis: DurCarga versus TieRecarga
The regression equation is

DurCarga = 3.98 + 1.51 TieRecarga
Predictor Coef s e Coef T P

Constant 3.9775 0.3141 12.66 0.000
TieRecarga 1.5095 0.1230 12.28 0.000
S = 0.1633 R-Sg = 68.0% R-Sq(adj) » 67 .5%
Analysis of Variance
Source DF SS MS F P
Regression 1 4.0176 4.0176 150.73 0.000
Residual Error 71 1.8925 0.0267
Lack of Fit 29 0.6744 0.0233 0.80 0.731
Pure Error 42 1.2181 0.0290
Total 72 5.9100
No evidence of lack of fit (P > 0.1)
Tabla 4.6 Análisis de regresión, duración carga vs. tiempo de recarga
Residual Model Diagnostics

Normal Plot of R e s i d u a l s I Chart of R e s i d u a i s
.4 -
.3 -
.2 -
.1 -
0-
.1 -
2 -
.3 -
.4
~¡—i—i—i—i—i—i—i—i—i—r
- 2 5 - 2 . 0 - 1 . 6 - 1 . 0 - < L S 0.0 O S 1.0 1 5 2 0 I S 10 20 30 40 60 60 70 80
Normal Score
Observation Number
Histogram of R e s i d u a l s
R e s i d u a l s vs. Fits
0.4 -
0.3 -
0.2 -
m 0.1 -
2 0.0
-0.2-I
-0.3 -
-0.4 -
4) 4 4 3 <0.2 <01 00 01 02 0.3 04 74 7$ 70 77 7.8 79 &0 6.1 ¿2 ea 6.4
Residual Fit
Figura 4.9 Análisis de residuales del modelo de regresión
El tiempo para recargar se afecta con una relación 1.51 veces al tiempo total como
se muestra en el análisis de regresión, el cual es el coeficiente de este factor. Lo anterior
es válido para el modelo analizado, ver Figura 4.8 y Tabla 4.6.
Con los resultados del análisis de regresión y del ANOVA se verifica que la causa
de recarga a tiempo por los operadores es significativa, por lo que se trabajará en la
siguiente fase para tener más información de todos los hornos.
Se presenta un resumen en la Tabla 4.7 de las causas priorizadas como las más
probables en la sección 4.1 y los resultados obtenidos en la verificación de las mismas
en la sección 4.2.
Se presenta una columna en la Tabla 4.7 para indicar si la causa se concluyó como
verificada en la sección 4.2, se agrega otra columna con comentarios sobre el proceso de
verificación. También se agrega otra columna para indicar si se buscará mejorar la causa
en la fase del mismo nombre.
Con el aprendizaje logrado en esta fase se procede a buscar la mejora en la

siguiente fase de la metodología, donde para las causas verificadas se buscará tener una
solución que la contrarreste.
Causas Probables Verificada Comentarios Mejorar
Cambio de condiciones del horno Se encontró como significativa esta

fuera de tiempo por falta de causa, aunque de manera general; es
atención de los operadores, por Sí decir, los operadores tienen diferente Sí
que depende del tiempo desempeño
disponible
Fallas del sistema de combustión Se analizaron posibles causas de las

ocasionan tiempos muertos Sí fallas, de las cuales se analizarán Si
usando el AMEF para buscar la mejora
Montacargas, ocasionan tiempos Aunque es real la causa, no se incluirá

muertos por disponibilidad de los en el análisis de la mejora por estar
mismos
Sí fuera del alcance del proyecto al
No
requerir inversión
Montacargas, el recorrido de los Causa rechazada, aunque es un hecho

montacargas hace que tome más las diferencias de distancia, en este
tiempo entre el homo 6 que el
No momento no es significativa la causa.
No
horno 1
Tiempo de recarga del homo no Causa verificada con de la diferencia

se realiza a tiempo por el entre los operadores, también se
seguimiento de los operadores Sí verificó el efecto de la recarga en la
Sí
duración total
Algunos operadores se tardan a Se encontró como significativa esta

propósito por falta de supervisión causa, aunque de manera general; es
Sí decir, los operadores tienen diferente
No
desempeño
En los cambios de tumos se tiene Es la principal causa de demora

tiempo de operación perdido por identificada en la clasificación de
falta de supervisión de los Sí supervisión, se reconoce que no se Sí
operadores tiene una medición que lleve a conocer
el efecto real
Diferencia sobre cómo medir la Realizado en la fase de Medir. Aunque

duración de carga entre los en realidad no afecta a la duración de
operadores
Sí la carga, sino a su medición. Se le dará
No
seguimiento.
Tabla 4.7 Resumen de verificación de causas

5 MEJORAR
En la fase de mejorar se inicia la etapa de la optimización del proceso, para lo cual

se buscarán las soluciones de las causas verificadas a mejorar seleccionadas en la fase de
analizar.
Para tener las soluciones que se buscará implementar en el proceso, primero se

trabajará con el equipo de mejora en identificar las posibles soluciones que ayudarán a
contrarrestar las causas verificadas, esto se realizará en la sección 5.1.
Cuando se tengan identificadas las posibles soluciones, se buscará establecer

cuáles son las condiciones en las cuales deben operar esas soluciones. Lo anterior puede
requerir o no una validación estadística según el tipo de solución a implementar, este
desarrollo estará en la sección 5.2.
De las soluciones se implementarán los controles que aseguren la permanencia de

la mejora en la fase de controlar, capítulo 6, las conclusiones principales de este capítulo
se presentan en la sección 5.3.
5.1 Soluciones que contrarrestan las causas verificadas
La primer parte es trabajar con el equipo para encontrar posibles soluciones que
contrarresten las causas que fueron verificadas y seleccionadas para mejorar en el
capítulo 4. Se realizaron reuniones con el equipo con el objeto de obtener una lluvia de
ideas.
Las ideas son sobre todas las posibles formas de contrarrestar las causas, dado el
aprendizaje que se tiene en el desarrollo de este proyecto. El resultado de este trabajo
está presentado en la Tabla 5.1, donde se agrupa lo generado por la lluvia de ideas para
cada una de las causas verificadas a mejorar.
Para las fallas del sistema de combustión se trabajó usando un AMEF, debido a
que esta herramienta también conduce a este análisis para obtener la mejora a
implementar. En este caso el avance se presentará directamente en la sección 5.2.
De las posibles soluciones proporcionadas por el equipo del proyecto, se realiza

una evaluación para decidir sobre cuáles causas se probarán las soluciones a
implementar y verificar que mejoran el tiempo total de duración de las cargas.
Para realizar esta evaluación se le pide al equipo hacer una votación por técnica de
grupo nominal sobre tres categorías: fácil de implementar la solución, bajo costo de la
implementación y efectividad esperada de la solución.
Las calificaciones posibles para la votación son: alto, medio y bajo, las cuales se
representarán con A, M y B respectivamente. Cabe aclarar que en el caso de costo una
calificación alta representará que tiene un bajo costo de implementación.
Efectiva 1
Selecionar
Causas
Costo
Fácil
verificadas a Posibles Soluciones para Contrarrestar las Causas
mejorar
Cambio de • Monitorear el desempeño de los operadores para establecer

A A M S
condiciones del acciones de comunicación con ellos
homo fuera de
tiempo por falta de • Establecer las mejores prácticas de operación y transmitirlas a
M M M N
atención de los los operadores
operadores, por qué
depende del tiempo • Reducir el número de actividades que realizan los operadores B B M N
disponible y/o por
actitud de los • Programar, en el PLC, los cambios de condiciones de
operadores operación que son realizadas en el panel de control por los A M A S
operadores
• Presentar los resultados de la operación a los tumos en sus

juntas de trabajo
A A M S
• Establecer en el reporte de operación de los hornos, que se

registren cada uno de los tiempos de proceso
A A M s
Fallas del sistema Se revisaron cada uno de las posibles formas de falla usando un
de combustión AMEF, donde se plantea las mejoras a implementar, esto se
ocasionan tiempos presentará directamente en la sección 5.2
muertos
Tiempo de recarga •
del homo no se
Medir y registrar el tiempo de recarga de cada operador, para
establecer acciones de comunicación con ellos
A A M s
realiza a tiempo por
el seguimiento de • Establecer la mejor práctica y comunicársela a los operadores M M M N
los operadores
• Establecer un rango de tiempo para la realización de la
A A A S
recarga, en base al análisis realizado
En los Cambios de • Entrega del turno en el área, revisado por los Supervisores B A M N
tumos se tiene
tiempo de operación • Medir el tiempo de duración de las cargas, para cada entrega y
perdido por falta de recepción de los tumos, para identificar cuando usan mayor A A M S
supervisióü de los tiempo total de duración
operadores
• Presentar los resultados de tiempos perdidos por cambio de
tumo y duración total de carga cuando hay cambio de tumo a A A M s
los operadores en sus juntas de trabajo
Tabla 5.1 Posibles soluciones para contrarrestar las causas
El resultado del análisis también se presenta en la Tabla 5.1. Con este análisis se
seleccionan las posibles soluciones para verificar su impacto en el desempeño. El
resultado de este análisis se presenta en la misma tabla mencionada, donde S significa
que si fue seleccionada y N que no fue seleccionada la posible solución.
Ahora con esta selección de posibles soluciones se procede a verificar si en
realidad afectan al desempeño. Esto se realizará en la sección 5.2, donde además de
verificarlas se busca establecer el nivel óptimo de operación de las causas verificadas,
según lo que indiquen las soluciones verificadas.
5.2 Establecimiento del ajuste de operación para las causas
Para verificar las posibles soluciones planteadas en la Tabla 5.1, se tomaron los
datos del mes en curso para todos los hornos con ayuda del equipo de trabajo,
especialmente los del departamento de Ingeniería Industrial y se registró la información
de los turnos que cargaban, recargan y descargaban los hornos.
Con esta información se inicia el análisis del mes en curso como mes anterior. Del
mes siguiente se tomaron los datos para ver cómo afectaban los cambios propuestos.
Para la primera causa citada en la Tabla 5.1 se analiza la duración de carga, según el
tumo que descargó el horno.
En la Figura 5.1 se observa que el turno número 1 es el que presenta el mayor

tiempo promedio de duración de cargas en todos los hornos. Mientras que el turno
número 3 presenta el menor tiempo promedio. Este análisis es similar al realizado en la
sección 4.2, en la Figura 4.2, con la diferencia que en esta ocasión se incluye
información de todos los hornos a diferencia en el capítulo anterior solamente se realizó
para el horno #6.
Dado que se tenía información detallada de todos los hornos y los turnos, se
procede a realizar un análisis del comportamiento de la variación de estos resultados. Se
analiza además el horno al mismo tiempo, para entender mejor el comportamiento visto
en la Figura 5.1.
Para lo anterior, se construye la gráfica Multi-Vari10 en el Minitab y se presenta en
la Figura 5.2. En la figura se observa en eje horizontal cómo se segmentan los resultados
por horno y en eje vertical es la duración de cargas en horas. Dentro de la gráfica se
presenta una línea punteada que une los promedios de duración de carga por cada horno
y las líneas continuas en cada promedio de horno representan los promedios para cada
turno en el horno que está ubicado.
Los turnos siempre están ordenados del 1 al 4 para todos los hornos. Se puede
identificar los promedios de cada turno en cada horno, al contar de izquierda a derecha
los puntos y relacionarlos con el turno.
Duración de Cargas, por Tumos

M e s anterior a la comunicación c o n O p e r a d o r e s
Turno que Descargo el Horno
Figura 5.1 Duración de cargas, por turno, anterior a la comunicación

Duración de Cargas, por cada Horno y por Turno
Turno
8.4 — o 1
e 2
3 3
& 4
^ Promedio
« por horno
2 7.9
O
x
7.4 —
Figura 5.2 Gráfica Multi-Vari, antes de la comunicación
En la Figura 5.2 se resalta con unas flechas los resultados para el turno 1 en los
hornos 3 y 5, dado que presentan los valores mayores en relación con los promedios
presentados en esos hornos aún comparándose con todos los hornos.
Al mismo tiempo se resaltan con flechas los resultados para el turno 3 en los
hornos 2 y 6, que al contrario presentan los menores resultados de toda la información
recopilada. Para el horno 6, el supervisor comentó que ya había trabajado con el
operador dado los resultados encontrados en la fase de analizar y presentados en la
sección 4.2, ver Figura 4.2.
Con esta información se decide con el equipo de trabajo centrar la atención en el

turno 1 y tomar el plan de comunicación con ellos. Esto al presentarles en sus juntas de
trabajo estos resultados y tener pláticas con ellos semanalmente para presentarles los
avances. Se pondrá especial atención con los operadores de los hornos 3 y 5 que
presentan los mayores promedios de duración de carga.
Duración de Cargas, por Turno

Mes Después de la primer comunicación con los Operadores
Turno que Descargo el Horno
Figura 5.3 Duración de cargas, por turno, después de la comunicación
Este trabajo se realizó durante el mes siguiente, período en el cual también se

registró la información sobre las cargas que permitiera analizar el desempeño de los
turnos.
En la Figura 5.3 se observa que los resultados del turno 1 son ahora los que
presentan el mejor desempeño. También se ve que el resto de los turnos disminuyó un
poco su promedio, al enterarse del trabajo que se realizaba con el turno 1, pero sin
cambios realmente significativos.
Se realiza el análisis Multi-Vari para analizar el comportamiento por operador.

Estos resultados se presentan en la Figura 5.4, donde se observa que del turno 1 no se
tienen resultados por encima del comportamiento promedio, especialmente se ve el
cambio en los operadores de los hornos 3 y 5 comparado contra la Figura 5.2.
Duración de Carga, por cada Horno y por Turno
Mes Después de la Comunicación con fos Operadores
Turno que
Descargo
1 2 3 4 5 6
Horno
Figura 5.4 Gráfica Multi-Vari, después de la comunicación
Para tener la evidencia estadística del cambio se analizan los datos del mes antes y
después de haber tomado las acciones de comunicación de los resultados, para el turno
1. Se analizaron los datos mediante un ANOVÁ de un factor, donde el factor es el antes
y después de la comunicación con los operadores.
One-way- ANOVA: Antes, Despues
Analysis of variance for DurCarga

Source DF ss MS F P
Factor 1 10 .690 10.690 22.21 0.000
Error 265 127.544 0.481
Total 266 138.235
Level N Mean StDev +. + +
Antes 121 7.9574 0.7832 ( * )
Despues 146 7.5555 0.6099 { *---
+. + +
Pooled StDev = 0.6938 7.60 7.80 8.00
Tabla 5.2 A N O V A , antes y después de la comunicación
Con los resultados del ANOVA, ver Tabla 5.2, se puede concluir que el cambio en
la duración de carga fue significativo. El análisis presenta un p-value de 0.000, con lo
que se concluye que son distintos, al ser menor al nivel de significancia establecido de
0.05 para la prueba. Además en la gráfica de intervalo de confianza se observa que es
menor el resultado de "después".
Otra posible solución para esta primer causa a mejorar, es el de tener programados
en el PLC, los cambios de condiciones de operación para que se realicen
automáticamente cuando el operador no pueda estar en el panel de control, ver Tabla
5.1.
Para lo anterior se entrevistó a los operadores que presentaron el mejor resultado

en la duración promedio de carga que se observaron en la Figura 5.2, para obtener los
tiempos que usan para realizar los cambios de condiciones.
Para probar esta posible solución, esta información se establece como la mejor
práctica de operación y después se documenta en el programa del PLC de los hornos 1 y
2. En la Tabla 5.3, se presenta en una gráfica de Gantt las condiciones y el tiempo
transcurrido desde que se termina la carga o recarga y la activación de cada condición
del horno.
Cambio de giro
Tabla 5.3 Condiciones del Horno
Se realiza la comparación de los resultados del mes anterior con las 3 semanas en
que se probó esta solución para validar su significancia.
One-way ANOVA: DurCarga versus Metodo
Analysis of Variance for DurCarga

Source DF SS MS F P
Metodo 1 3.818 3.818 7.21 0.007
Error 504 266.943 0.530
Total 505 270.762
Level N Mean StDev + + + +--
Manual 328 7.9533 0.7374 ( * )
Automa 178 7.7713 0.7096 ( * )
Pooled StDev = 0.7278 7.70 7.80 7.90 8.00
Tabla 5.4 ANOVA Método de cambio de condiciones
Se analizan los resultados según el método usado para el cambio de las

condiciones del horno, donde se tiene el método manual y el método implementado a
través de la secuencia programa en el PLC. El resultado obtenido en el ANOVA
presentado en la Tabla 5.4, donde se presenta un valor de p igual a 0.007 que indica que
son significativamente distintos. Además al observar la gráfica de intervalo de confianza
se observa que el método automático ("Automa"), presenta un promedio menor al tener
7.7713 contra 7.9533 que presentó el método manual en este período analizado.
Para buscar la mejora y la validación de las soluciones implementadas, de la

segunda causa listada en la Tabla 5.1, se da seguimiento al AMEF presentado en la
sección 4.2.
En la Tabla 5.5 se presentan las acciones recomendadas por el equipo de trabajo

para las causas que presentaron los valores mayores de NPR, donde se les asignó un
responsable ("Resp." en la Tabla 5.5) y fecha de terminación. La Tabla 5.5 es
continuación de la Tabla 4.4, presentada en el capítulo 4.
Una vez implementadas las acciones recomendadas se documentan los resultados de las
acciones, donde se especifica las acciones tomadas para implementar las acciones
recomendadas. Parte de las acciones recomendadas están en cambiar la forma de realizar
el mantenimiento preventivo (MP), lo cual está reportado en el AMEF.
Resultado de las Acciones
Causa(s) NPR Acciones RespJ NPR
Acciones tomadas S O D
Potencial(es) Antes Recomendadas Fecha Después
Revisar frecuencia de la
rutina de MP. Cambio de frecuencia de MP a cada
Proteger instalación de 3 días revisión y limpieza. 7 2 2 28
Cable de la posibles quemaduras GB,AC Instalación de placa 1/4" para
bujía dañado 630 del cable. 17/03 protección del cable.
Revisar frecuencia de Cambio de frecuencia de MP a cada
rutina limpieza y MP. 3 días, revisión y limpieza
Instalar prueba física Instalación de botón cerca del piloto 1 1 7
Piloto obstruido para detectar fallas de AO,AC para probar su funcionalidad,
o sucio 378 operación del piloto. 12/03 aunque esté operando el quemador.
Se instaló una base cori abrazaderas
Alineación del que permiten ajustar la alineación
2 1 14
piloto del Instalación estable para GB del piloto con el quemador y evitar
quemador 448 el montaje del piloto. 22/03 que se mueva
Cambio de frecuencia de MP a 15
días, revisión de detección de cano
3 3 63
Carro fuera no MP realice una prueba CS, AC del quemador afuera y operación
detectado 336 física. 17/03 de secuencia de encendido.
Instalar una placa alrededor del
Protección del sensor sensor para evitar que se dañe por
en su instalación. quemaduras o golpes. 8 3 4 84
Sensor UV Investigar probador de RP,HD Compra de probador de sensores UV
dañado 336 sensor UV. 25/02 con el proveedor de los mismos.
Cambio de los niples de conexión de
Sensor los sensores para alinodos y de la
1 1 7
desalineado Cambio de diseño del GB medida correcta paja evitar la
(montaje) 320 montaje (tubo rosca). 10/04 posibilidad de desalineados.
Se identificaron los cables de desde
Identificar Cables de el registro hasta el quemador y se
Sensor con conexión del sensor. usan los mismos colares de tienen 2 2 28
polaridad Investigar Probador de CS, AO cables de los sensores..
invertida 560 sensor UV. 12/03 Utilizar el probador de sensores UV.
Revisar frecuencia de Cambio de frecuencia de MP a 1
Conducto de MP. semana.
5 3 105
quemador de Investigar método para AC, CS Fabricar cepillo de alambre largo
gas sucio 504 limpieza. 25/03 para limpiar el conducto.
Implementación en rutinas de MP la
revisión de estados de los módulos
Revisar MP. del PLC por medio «le un listado 3 2 42
Comunicar como AC,RP de revisión o "checkli st".
Fusible abierto 400 identificarlo rápido. 25/11 Checklist de revisión de estados.
Implementación en rutinas de MP la
Revisar MP. revisión de estados de los módulos
Capacitación del PLC y AC del PLC por medio de un checklist 3 2 42
No hay salida
del PLC 400 sus módulos. 20/05 de revisión de estados en checklist.
Tabla 5.5 AMEF Acciones de mejora propuestas y validadas
Cuando se implementaron completamente se realiza de nuevo la evaluación del
número de prioridad de riesgo (NPR), evaluando la ocurrencia (O) y la detección (D). La
severidad (S) no se estima de nueva cuenta dado que no se afecta por las
implementaciones.
De este análisis se concluyó que las acciones tomadas fueron significativas para
resolver las causas planteadas para las fallas de quemador. En el siguiente mes se
registraron 46.5 horas de demora por fallas del quemador contra 105.6 horas registradas
en la sección 4.2, con lo cual se aprecia la mejora en este indicador.
Para la tercer causa verificada a mejorar en la Tabla 5.1, tiempo de recarga se

propusieron dos soluciones, de las cuales una era establecer un rango de tiempo en el
cual se debería realizar la recarga, esto basándose en el análisis de información
presentada en la regresión mostrada en la sección 4.2.
Para lo anterior se reunió al equipo para analizar la gráfica de regresión, ver Figura
4.8, y establecer el tiempo de recarga adecuado según lo que indica el modelo de
regresión calculado.
El equipo por su experiencia hace notar que difícilmente se podría realizar la

recarga antes de 2 horas, dado que el horno no aceptaría el total de recarga, pero aceptan
que en el rango mostrado en la gráfica de regresión es donde normalmente trabajan sin
presentar ningún problema con la operación del horno.
Por lo anterior, se decide establecer un valor máximo de tiempo para recargar en

2.5 horas, lo cual se presenta en la Figura 5.5. Con este dato establecido por el equipo se
busca ahora predecir la duración de carga que se esperaría con este tiempo de recarga
máximo. Para esto se levó a cabo una regresión.
Regression Plot
Dur. Carga = 3.97746 + 1.50954 TleRecarga
S = 0.163262 R-Sq = 68.0 % R-Sq(adj) = 67.5 %

8.8
8.6
8.4
(0
U)
1_
8.2
(0
O 8.0
c
•o 7.8
"o
ro 7.6
3
O 7.4
Regression
7.2 — 95% ci
95% Pl
7.0
Tiempo de Recarga
Figura 5.5 Tiempo para recargar máximo
En la Tabla 5.6 se presentan los resultados de este análisis de la forma que los
ofrece Minitab, como la predicción de valores de observaciones nuevas ("New Obs").
Este análisis dice que se tendría un promedio esperado de duración máxima de la carga
de 7.75 horas (columna "FIT"), cuando se tiene un tiempo para recargar de 2.5 horas
máximo (columna "TieRecarga").
Además en la misma tabla se presenta el intervalo de confianza para este valor

promedio, donde indica que es de 7.7113 a 7.7913, con un nivel de confianza del 95%
(columna "95.0% CP'). Las cargas de forma individual pueden estar entre 7.4233 y
8.0792 con un nivel de confianza del 95% (columna "95.0% PI").
El tiempo de duración de carga que presenta para los datos individuales es menor
al límite máximo de especificación planteado en el capítulo 3 de 8.25 horas, por lo que
aplicar esta solución indica que estará por debajo de este límite máximo.
R e g r e s s i o n A n a l y s i s : D u r C a r g a v e r s u s TieRecarga
Predicted Valúes for New Observations
New Obs Fit SE Fit 95.0% CI 95.0% PI
1 7.7513 0.0201 ( 7.7113, 7.7913) ( 7.4233, 8.0793)
Valúes of Predictors for New Observations
New Obs TieRecarga

1 2.50
Tabla 5.6 Predicción de duración de carga
Otra solución planteada para esta misma tercer causa, tiempo de recarga, es medir
el tiempo de recarga de cada operador y comunicárselos para buscar la disciplina en el
proceso. Para lo anterior se les solicitó el registro de esta información en el diario de
producción.
Con esta información se elaboraron estadísticas y gráficas para presentárselas a los

operadores y hacerles notar, especialmente a los que tienen un desempeño distinto al de
la mayoría, sus oportunidades de mejora. También se les presentó la razón por la cual se
debe realizar la recarga antes de las 2.5 horas planteadas anteriormente.
Tiempo para Recargar, por Horno y por Turno

Antes de la comunicación con los Operadores
Tumo que
Recargo
1 2 3 4 5 6
Horno
Figura 5.6 Tiempo para recargar, antes de la comunicación con los operadores
En la Figura 5.6 se presentan los resultados obtenidos antes de comunicarles a los
operadores la medición y el tiempo establecido como máximo permitido para la recarga,
el cual fue 2.5 horas. Se puede observar en la figura que hay dos operadores del tumo 1
que presentan promedios por encima del comportamiento de los demás, en los hornos 3
y 4.
Tiempo para Recargar, por Horno y por Turno

Mes después de la comunicación con los Operadores
Tumo que
1 2 3 4 5 6
Horno
Figura 5.7 Tiempo para recargar, después de la comunicación con los operadores
Después de hablar con todos los operadores y de presentarles sus resultados, así
como la razón por la cual deben tener tiempos para recargar máximos de 2.5 horas, se
presentan los resultados en la Figura 5.7. Se observa el cambio en el comportamiento
contra la Figura 5.6.
Para validar si el cambio fue significativo se toma la información de antes y

después de establecer la comunicación con los operadores. Se realiza un análisis de
ANOVA en el Minitab para verificar estadísticamente los resultados.
O n e - w a y A N O V A : Trecarga v e r s u s C o m u n i c a c i ó n
Analysis of Variance
Source DF SS MS F P
Conamica 1 2.743 2.743 20.56 o.ooo
Error 1021 13S.200 0.133
Toc al 1022 138.943
Level N Mean StDev . . + — + + +
Antes 488 2.3760 0.3588 ( * )
Oespues 535 2.2724 0.3710 ( *_. >
-- + — + + +
Pooled StDev = 0.3652 2.250 2.300 2.350 2.400
Tabla 5.7 ANOVA Tiempo para recargar
En la Tabla 5.7 se observa la tabla de resultados del ANO VA, donde se indica con
un valor de p=0.000 que se tiene una diferencia significativa antes y después de la
comunicación con los operadores. Por lo anterior, se concluye que efectivamente se
afectó el comportamiento de los operadores al conocer que eran medidos y comunicarles
su valor meta.
Para la cuarta causa a mejorar listada en la Tabla 5.1, que se refiere al tiempo de
operación perdido en los cambios de turno, se procede al análisis de la información que
se tiene recolectada actualmente. Lo que se busca es analizar los tiempos de duración de
carga cuando un turno carga y otro descarga el homo.
Duración de Cargas, según el Turno que
Cargo y Turno que Descargo el Horno
Antes de la Comunicación Tumo que
Cargo
o 1
© 4
M
^ Promedio
S
o
por turno
x que
descargo
2 3
Turno que Descargo
Figura 5.8 Duración de carga, contra turno que carga y tumo que descarga
Se parte del supuesto que cuando se tiene que un turno cargó y otro turno distinto
descargó el horno, se deba a que se realizó por medio de un cambio de turno. En el caso
de que el mismo turno cargue y descargue el horno, significa que se realizó en el mismo
turno.
Para analizar esta información se decide realizar una gráfica Multi-Vari, donde se
tienen dos factores el turno que cargó el horno y el turno que lo descarga.
En la Figura 5.8 se observa el resultado de este análisis, en el eje horizontal están

los turnos que descargan y el promedio para cada turno los cuales se unen con la línea
punteada. Dentro del promedio de cada turno se agrega el promedio según el turno que
cargo el horno, estos promedios se unen con la línea continua. De esta manera se puede
ver la variación de los resultados por estos dos factores.
Se observa que cuando es el mismo turno el que carga y descarga al horno, se

tienen los menores promedios de duración de carga, por lo que podemos inferir que la
diferencia de este promedio contra el promedio de entrega con los demás turnos es el
tiempo perdido por la entrega de turno.
Esta información se presenta a los turnos en sus juntas de trabajo y se les solicita
que eviten los tiempos muertos de operación por los cambios de turno, para evitar
aumentar la duración de las cargas por esta causa.
Duración de Cargas, según el Turno que

Cargo y Turno que Descargo el Horno
Después de la Comunicación Tumo que
Cargo
7.9 — o i
Promedio
por turno
que
descargo
T2 —
1 2 3 4
Tumo que Descargo
Figura 5.9 Duración de carga con entrega de turnos, después de la comunicación
Para el siguiente mes se analiza la información para ver si fue efectiva la solución
de comunicación y los resultados se presentan en la Figura 5.9, donde se ve el mismo
comportamiento observado en el análisis anterior de la Figura 5.8.
Revisando esta información con el equipo, se concluye que no se tiene diferencia

en el comportamiento en este primer mes. Una posible causa planteada por el equipo es
la dificultad de establecer este cambio de disciplina de trabajo tan rápido en el proceso.
Por lo anterior, se decidió continuar con la retroalimentación a los turnos sobre

este indicador y buscar dar información más individualizada a los operadores, dado que
en esta etapa no fue posible distinguir el comportamiento de algún operador con el
análisis realizado.
Con el planteamiento de las posibles formas de contrarrestar las causas verificadas

que se realiza en la sección 5.1, se inicia la validación de estas posibles soluciones en la
sección 5.2.
En la Tabla 5.8 se presenta un resumen de lo encontrado en la fase de mejorar,

donde se presentan las soluciones que fueron propuestas para contrarrestar las causas y
un comentario sobre lo encontrado.
Con estas validaciones es posible tomar la decisión de buscar la implementación

definitiva y de escala completa de las soluciones que fueron verificadas. Posteriormente
se procederá a la implementación de los controles que aseguren la permanencia de las
mejoras y la cuantificación de estas soluciones que se realiza la fase de controlar,
capítulo 6.
Causas
Posibles Soluciones para Contrarrestar
verificadas Comentarios
las Causas
a mejorar
Cambio de • Monitorear el desempeño de los operadores

condiciones para establecer acciones de comunicación con Esta solución fue verificada y
del horno ellos. demuestra que cambió el
• Presentar los resultados de la operación a los desempeño de los operadores al
turnos en sus juntas de trabajo. conocer su desempeño y establecer
• Establecer en el reporte de operación de los la comunicación con ellos.
hornos, que se registren cada uno de los
tiempos de proceso.
• Programar en el PLC los cambios de La solución fue verificada- y ayuda

condiciones de operación que son realizadas a los operadores, es necesario
en el panel de control por los operadores. implementar en todos los hornos.
Fallas del Se revisaron cada uno de las posibles formas de Las soluciones propuestas fueron
sistema de falla usando un AMEF, donde se plantea las verificadas por la disminución del
combustión mejoras a unplementar, esto se presentará NPR en la nueva evaluación del
directamente en la sección 5.2. AMEF.
Tiempo de • Medir y registrar el tiempo de recarga de cada Solución verificada, estableciendo

recarga del operador, para establecer acciones de el tiempo máximo de recarga en
homo no se comunicación con ellos. 2.5 horas.
realiza a
tiempo • Establecer un rango de tiempo para la
La comunicación con operadores
realización de la recarga, en base al análisis
fue verificada como solución.
realizado.
En los • Medir el tiempo de duración de las cargas,

Aunque esta solución se establece
cambios de para cada entrega y recepción de los turnos,
como una buena medición, no se
turnos se para identificar cuándo usan mayor tiempo
logró tener cambios en el tiempo
tiene tiempo total de duración.
perdido en los cambios de tumo.
de operación • Presentar los resultados de tiempos perdidos
Se establecerá como indicador y se
por cambio de turno y duración total de carga
seguirá trabajando con los
cuando hay cambio de tumo a los operadores
operadores.
en sus juntas de trabajo.
Tabla 5.8 Conclusiones fase Mejorar

6 CONTROLAR
En esta última fase de la metodología de Seis Sigma se busca terminar el proyecto

de mejora del proceso, al lograr que las mejoras obtenidas permanezcan en el tiempo, o
hasta que otra mejora se implemente.
En la sección 6.1 se establecerán los controles que se usarán para implemento las
soluciones verificadas en la fase de mejorar, capítulo 5, que aseguren la permanencia de
la mejora.
Para verificar el efecto obtenido sobre el desempeño de nuestro proceso, se

validará la efectividad de las soluciones en la sección 6.2. Además se recalcula el nuevo
nivel de desempeño en Nivel Sigma para compararlo contra el nivel de inicio del
proyecto de mejora y contra el objetivo establecido en la sección 3.5.
Se mostrarán las conclusiones principales de este capítulo en la sección 6.3, para

completar el proyecto de mejora.
6.1 Implementación de las soluciones en el proceso
Se debe ahora establecer los controles que aseguren que las mejoras logradas en el
capítulo 5, se mantengan a través del tiempo. Para lo anterior se le pide al equipo de
trabajo que den ideas de cómo se puede establecer los controles para las soluciones que
ya fueron verificadas.
Para las soluciones verificadas que son presentadas en la Tabla 5.8 se le pregunta
al equipo "¿cómo se puede controlar esta solución?" y se registran las soluciones
tomadas en consenso por el equipo usando técnica de grupo nominal. El resultado de
este análisis se presenta en la Tabla 6.1.
Soluciones Verificadas ¿Cómo podemos controlar esta solución?
Monitorear el desempeño de los Registrar los tiempos de operación en un reporte por carga,
operadores para establecer acciones de capturar la información y analizar por operador usando las
comunicación con ellos. gráficas Multi-Vari usadas en el capítulo 5, para establecer
comunicación con los operadores fuera de los estándares de
operación. Establecer estándares máximos de operación.
Presentar los resultados de la operación Establecer dentro de las actividades del supervisor presentar
a los turnos en sus juntas de trabajo. los resultados, auditado por el jefe de área. Usar las gráficas
Multi-Vari para la presentación de resultados.
Establecer en el reporte de operación de Implementar el reporte de operación de los hornos, de manera

los hornos, que se registren cada uno de inmediata y explicar a los operadores y supervisores. En este
los tiempos de proceso. reporte se debe incluir los tiempos de operación y debe ser
clara la forma de cálculo. Documentar como método de trabajo
el registro en este reporte.
Programar en el PLC los cambios de Implementar inmediatamente en todos los hornos, cambiando
condiciones de operación que son el programa cargado en los PLCs. Explicar los cambios a todos
realizadas en el panel de control por los los operadores. Documentar el programa en el disco de
operadores. respaldo de los PLCs.
Se revisaron cada una de las posibles

formas de falla usando un AMEF, donde
Dado que fueron varias acciones se planteará sobre parte del
se plantea las mejoras a implementar,
AMEF la forma de controlar la solución.
esto se presentó en la sección 5.2, ver
Tabla 5.5.
Medir y registrar el tiempo de recarga de Registro de este tiempo en el reporte de operación, capturar
cada operador para establecer acciones con el resto de la información y presentárselos en las juntas de
de comunicación con ellos. trabajo usando gráficas Multi-Vari.
Establecer un rango de tiempo para la

Documentar en los métodos de trabajo de los operadores.
realización de la recarga, sobre la base
Explicar en las juntas de trabajo este cambio.
del análisis realizado.
Diferencia sobre como medir la duración En el reporte de operación de los hornos se les recuerda que
de carga entre los operadores. deben verificar que la hora de inicio de la carga sea igual a la
hora de finalización de la carga anterior. Además de auditar
por Ingeniero Industrial.
Tabla 6.1 Controles para la soluciones

Se procede ahora a implementar los controles propuestos para las soluciones.
REPORTE DE OPERACIÓN DE HORNOS
FECHA: HORNO No. CARGA#
INICIO FIN TURNO OPERADOR (FIRMA)

CARGA DE HRS.
RECARGA DE HRS.
DESCARGA DE HRS.
NOTA: V E R I F I C A R Q U E LA H O R A INICIO D E C A R G A S E A I G U A L A L A H O R A D E FIN 0 6 LA D E S C A R G A O E L # C A R G A A N T E R I O R
CARGA HRS. H O R A D E F I N - INICIO D E C A R G A

RECARGA HRS. HORA DE FIN INICIO D E R E C A R G A
PARA RECARGAR HRS. H O R A D E INICIO D E R E C A R G A - INICIO O E C A R G A
DESCARGA HRS. HORA DE FIN - I N I C » DE DESCARGA
DURACIÓN TOTAL HRS. H O R A D E FIN O E D E S C A R G A - INICIO O E C A R G A
UEWORAS REPORTADAS SWsT êwanc*"* Ì » * mm^mmW^mß^VSm

INICIO FIN CAUSA DETECTADA
DE A HRS.
DE A HRS.
DE A HRS.
DE A HRS.
Figura 6.1 Reporte de operación de hornos
Dentro de los controles propuestos para varias soluciones está el reporte de

operación de los hornos, donde se registrará la información que se encontró importante
para su análisis.
El reporte propuesto está en la Figura 6.1 donde se incluye información de

identificación de la carga; tal como, fecha, horno y un número consecutivo de
identificación de las cargas para mantener la rastreabilidad. En la parte de condiciones
de operación el formato requiere el registro de la hora en que se inicio y finalizó la carga
inicial, la recarga y la descarga.
También se solicita el turno y la firma del operador para tener control sobre el
operador y turno que realizó esta actividad, aunque es poco común el cambio de
operadores entre los turnos se decide tener doble la información para detectar estos
casos.
Con la información registrada se calculan los tiempos de operación, para lo cual se

agrega en el formato del reporte cuál debe ser la fórmula de cálculo para que sirva como
un Poka-Yoke11 visual para evitar posibles confusiones en estas operaciones.
Se incluye espacio para registrar las demoras presentes durante la carga, para su
posterior análisis y evitar tener dos documentos de registro. Por último se deja espacio
para observaciones varias sobre la operación del horno.
Para tener un control de los tiempos principales que se llevan se decide tomar
tiempos máximos de operación y establecerlos como estándares máximos. Lo anterior
para obligar a los operadores que cuando tengan tiempos de esa actividad por encima de
los especificado lo reporten en la sección de demoras e identifiquen la causa detectada
en el momento.
Los tiempos estándares máximos se presentan en la Tabla 6.2, y se obtuvieron de

acuerdo con lo observado por el equipo. Se hace diferencia para los tiempos de carga y
recarga según los hornos, para tener compensada la diferencia de distancia recorrida por
el material.
Para asegurar cumplir con estos estándares se agrega el plan de acción a revisar
por los operadores y supervisores durante el desarrollo de las cargas. Esta información
generada por el equipo de trabajo se presentó a los turnos en sus juntas semanales.
Para analizar, después de concentrada la información sobre las demoras reportadas

se procede al análisis de la misma, para lo cual se propone al equipo algunas
herramientas básicas de análisis para mejorar la calidad de éstos.
Actividad Estándar Plan de Acción
máximo
(Horas: Minutos)
Cargado de hornos
• Revisión de disponibilidad de
Hornos 1 y 2 00:25
equipo móvil.
• Revisión del estado del equipo
Hornos 3 y 4 00:30 para evitar fallas.
• Programación de trabajo del
Hornos 5 y 6 00:35 operador del cargador frontal.
Recargado de hornos
Hornos 1 y 2 00:20 equipo móvil.
• Revisión del estado del equipo
Hornos 3 y 4 00:25 para evitar fallas.
• Programación de trabajo del
Hornos 5 y 6 00:30 operador del cargador frontal.
• Cambios de flujos y
velocidades realizadas
Tiempo para recargar 02:30
oportunamente.
equipo móvil.
Colada del horno
01:10 canales, lingoteras, etc.
(incluye tapar el h o m o )
• Evitar que afecte el cambio de
tumo.
• Cambios de flujos y
Tiempo total de duración de
07:45 velocidades realizadas
carga
oportunamente.
Tabla 6.2 Estándares máximos de tiempos
Para lo anterior, se les pide que realicen primero un Pareto de las principales
demoras reportadas por su defecto o causa aparente, para después realizar un análisis de
causa-efecto con el fin de encontrar las causas raíz. También se les propone trabajar en
equipo para la generación de acciones correctivas y contenedoras para las causas
verificadas.
Para documentar el análisis de causas o de búsqueda de soluciones se propone el

formato presentado en la Figura 6.2, donde se plantea realizar una lluvia de ideas y hacer
una priorización por técnica de grupo nominal. Después completar el análisis con un
diagrama causa-efecto y presentar los resultados.
TECMC/DeoftüPQNqiaw. fowa*
F«c*ic fe*a
Arc 1
Di*»« QC—<ftafe Q
LLUVIA OEOfcAS fc VALUACION

$ i ¡ > < t • y DKWCK
%
2
4
«
6
7
8
9
10
11
12
Oiag^ma Caía a Docto
. 1 1 . 1 i . Zl
>» i i
3 '1 1
|
RMZ
// l l -
l
I Pee****) Sotuettn fC^ntwiwfrXBfCOTvctfri) Q :
1
Figura 6.2 Análisis de causas raíz de demoras y acciones
El formato de reporte de operación de los hornos, ver Figura 6.1, fue

implementado inmediatamente y se sustituyeron los registros anteriores donde solamente
se registraba el tiempo total por día de las cargas de todos los hornos.
Se elaboran formatos para presentar este análisis, donde en la Figura 6.3 se

presenta el Pareto y se reportan las causas raíz encontradas y las acciones contenedoras y
correctivas para contrarrestarlas. Además se agrega el responsable y la forma de
verificar su efectividad.
Análisis Segui miento D e m o r a s
Area : Hornos FO-HN-002
M e s : Junio
Pareto de defectos
operador tardada taller puertas ocupada linea 0 2

hornos 5 y 6
ftef Cousc&oíz Acción Acción C o r r e c t i v a Tmptementación Seguimiento
Contenedora Pecha fcesp. % Avance. Verificación
P r o y e c t o 6 sigma. identificación
D e m o r a s c o m u n e s no Disminución d e
1 Ninguna d e demoras d e operación y Oct ftp 20%
reportados los t i e m p o s
equipo no r e p o r t a d a s
Tolta d e operodor / H a b l a r con el persono! p a r a q u e Super- Tiempo

1 Tiempo p o r eambio d e Ninguna l l e g u e n / s a l g a n a la h o r a d e b i d a y Continúe visores - muerto por
turno sobre las faltas / HDV e s t e motivo
Checar el equipo e n cada
Tiempo
2.3, E q u i p o móvil c o n a l t o t u r n o , t r a b a j a r con el C a m b i a r e l e q u i p o móvil Resp.
Feb 75% muerto por
5 deterioro v o l t e a d o r y r e p o - a r e l piso Area
e s t e motivo
d e preparación d e cargas
P r o y e c t o 6 Sigma, i d e n t i f i c a c i ó n
Carga pastosa / C a u s e s Disminución d e
2 Ninguna d e demoras d e operación y Nov ftP 20%
r a í z no i d e n t i f i c a d a s los t i e m p o s
equipo no r e p o r t a d a s
Demora en Implementación d e Tiempo

S e habló a mantenimiento
4 reparaciones d e puerta procedimiento d e mantenimiento Mar ACM 50% muerto por
p a r a q u e c o r r i g i e r a la f a l l a
en hornos 5 y 6 d e HR d u r a n t e poro e s t a falla
Mal f u n c i o n a m i e n t o d e
hornos debido a GBZ. Seguimiento
3 Ninguna C a m b i o «le h o r n o 5 Jun 5%
c r e m a l l e r a e n mal ACM plan d e c a m b i o
estado
Figura 6.3 Reporte de acciones tomadas para las demoras reportadas
HORNO # 1
Tiempo para
Duración de
Tiempo de
Tiempo de
Tiempo de
Descargo
Recargar
Descarga
Recargo
Recarga
la Carga
# Carga
1
Turno
Cargo
Turno
Fecha
Tumo
Carga
679 7.17 0.33 0.17 2.08 1.00 4 4 2 30-Mar

680 6.50 0.33 0.33 1.83 1.00 2 2 1 31-Mar
681 6.75 0.33 0.33 1.83 1.00 1 1 1 31-Mar
682 7.17 0.33 0.17 1.83 1.00 1 3 3 31-Mar
683 7.92 0.17 0.33 1.75 1.00 3 2 2 01-Abr
684 7.50 0.33 0.33 2.08 1.00 2 4 4 01-Abr
685 8.33 0.25 0.17 2.25 1.17 4 3 3 01-Abr
686 7.50 0.25 0.33 2.00 0.83 3 2 2 02-Abr
687 6.83 0.33 0.33 1.83 1.00 2 4 4 02-Abr
688 7.17 0.25 0.25 2.08 1.00 4 4 3 02-Abr
689 6.17 0.25 0.17 2.08 1.00 3 3 1 03-Abr
690 6.00 0.33 0.25 1.83 1.00 1 1 4 03-Abr
691 6.25 0.25 0.25 2.00 1.25 4 4 4 03-Abr
692 6.58 0.25 0.33 2.08 1.17 4 2 2 03-Abr
693 6.83 0.33 0.33 2.00 1.33 2 2 1 04-Abr
Figura 6.4 Hoja de cálculo electrónica

Una vez que se está usando este reporte en todos los hornos y en todos los
operadores, se captura la información en una hoja de cálculo electrónica para después
poder analizarla. En esta hoja de cálculo se incluye toda la información registrada sobre
tiempos y los turnos, además de la información de identificación de las cargas, ver
ejemplo en la Figura 6.4.
Los análisis gráficos son generados cada dos semanas por el Black Belt para
presentárselos a los operadores en las juntas de trabajo por parte de los supervisores. Las
gráficas son iguales a las presentadas en el capítulo 5, sección 5.2, para todos los análisis
realizados, ver Figura 6.5.
Análisis de DuracióP de C a r g a s «n H o r n o s
M e s Junio
Hampo pOB Recargar, por i lome y per T i w
Los tiempos para recaigas han

Eo d oes <fc jumo tendido a bajar y a tener maor
raduecjooesra1« ¿metóo de las variación entre los Hornos, pero
ciegas de los hoii»» rouicree. En el
«aso dd Heno I* fedueetóo fue se pueden identificar eo cada
muy poca, par to que tsu cocno uso de Homo, (os tumos que no han
ta* de mayar tiendo por caiga. Q logrado disminuir sus tieoipce
Hckdq 86 n'Cjiitfii' un* reducción promedio para la recarga. Cabe
iiryiwtiBi* peto aOo Quedo cono el di destacar que buscemos (asar 1
nuyee " « p f por earga. Addaae
«miaremos de ideiiiúcarfarreespan horas eo Ja recarga, desde d
CfM \eoju«sio6oo(i|OtaDtetU& loiqo de la cajâ.
Cunean de Cargas, porcada Tuno
B tino S 3 peeseaia d mnwbenvo

por carga durante el mes. los Usos I
2, Jy | noque prcseUiDereducid
de i n f o 4c carga dónete el mes de
Jibu, sai tu^ menee i la del tumo 8
3 RrvusrmVS el ceso de ceda tno
eo las gráfkai sgu*ec££s. Doode es realidad podmju» ver
lea banpos óptimos que
raanegaDdo es analizando d
Tune we 0*BB*i promedia de tas cagas
dependiendo dd equipo que carg»
y descaiga la? mismas Con este
anáJtsis se abruman d efecto Je
tos tiempos muertos de operación
en los cambios de lumo. Los
tiempos menores están cuando d
DmaAn de Carpa, per caAKvno y cada Tiene mismo timo carga y descarga la
AA*Ji2e*do los (actores pan la mayor misma cargA, o dinánamos Ia
dunoín de cM¡~g* de k« Hcnoi # 3 y difamas de tiempo de carg*s
6. usaren« ¿r&K* de tlwecióo lograriainos má* de 610 cargas Tiene eua Ceeearp»
de la carga. «nalgudo por Itornoy pee por mes.
gffiipo que lo descargo En est*
gráfica pódenos ver que en e| Hoto
d tuno »1 aumeau
sgmUceüvenFOe d promedio.
Mieten qw «s el Humo #6. eJ Dra
#4. es d que íinotnU
sguñcauvaaiene el promedio de la
dmcmi de las cargas Pan el resao de
los Hornos s< puede anabzar da le
misma duka para identificar las
áreas de oportunidad.
Figura 6.5 Reporte para presentar a operadores
El cambio de programa del PLC es un control efectivo de la práctica operativa

para contrarrestar la causa de diferencia de cambios de condiciones de horno, dado que
no se puede modificar fácilmente por los operadores o supervisores, por lo que queda
implementado en todos los hornos. Además se asegura que permanece al cambiar el
programa que estaba en el disco de respaldo por el nuevo programa con los cambios
implementados.
En el método de trabajo de los operadores se modifica para documentar que la

recarga debe ser realizada antes de 2.5 horas después del inicio de la carga. Además se
les solicita que registren las horas en que se realiza la carga, recarga y descarga del
horno. Esto se realiza modificando el método de trabajo documentado en el sistema de
calidad, ver Tabla 6.3.
METODO DE TRABAJO
CLAVE PAG 1
MTR-HOR-01 DE 2
FUSIÓN DE CARGA FECHA EMISION: FECHA VALIDEZ
25/MAY/02 10/JUN/02
FECHA DISTRIBUCION: No. CAMBIO:
SVJ UN/02 00
DESARROLLO RESPONSABLES
1. Una vez cargado o recargado el homo, cambiar de flama baja Operador de
a media o alta y el aumentar a velocidad media o alta el giro Homo
del homo de acuerdo con los requerimientos del homo.
1.1. S e puede utilizar el botón de secuencia automática en
caso de tener que desatender el homo para realizar
otras actividades.
2. Durante la carga y recarga se levantará el reporte de los Operador de
tiempos de operación; para lo cual s e llenará el formato F O - Homo
HOR-012.
3. Después de un tiempo de entre 2 - 2 Ví horas y de acuerdo a Operador de
la carga, bajar la flama "Llama baja", abrir ta puerta del homo Homo
y proceder a recargar el material faltante.
3.1 E n caso de que la carga llegue a tener más de 3 horas
antes de la recarga, no se recargará el Homo para no Operador de
incrementar la duración de la carga y s e reportará en el Preparación de
formato FO-HOR-012 la causa. Cargas
4. Después de recargar el homo, cerrar la puerta del homo. El Operador de
cambio de flama baja a media o alta y el aumentar a Homo
velocidad media o alta el giro del homo se hace de acuerdo
a las reacciones y emisiones de humo del homo. Nota: Si la
campana no capta bien las emisiones hay que bajarle a la
flama.
Tabla 6.3 Método de trabajo en hornos
Para las acciones tomadas en el AMEF, ver Tabla 6.4, se documentaron las
acciones en las rutinas de mantenimiento preventivo y en el sistema de mantenimiento lo
referente a las frecuencias de la realización de estas rutinas, para asegurar que
permanezcan como un control de estas causas.
Los cambios que representaban modificaciones al equipo instalado, aunque en esta

metodología de mejora se supone que no tendrán cambios, se documentaron en los
dibujos de ingeniería. Lo anterior pensando que en el futuro pueda existir la referencia
de estos cambios ante una reconstrucción o fabricación de un nuevo horno.
Acciones tomadas Controles Documentados
Cambio de frecuencia de MP a cada 3 días revisión y Documentar en rutina de MP y en el sistema de

limpieza. mantenimiento.
Instalación de placa 1/4" para protección del cable. Documentar el cambio en los dibujos de ingeniería.
Cambio de frecuencia de MP a cada 3 días, revisión y
limpieza. Documentar en rutina de MP y en el sistema de
mantenimiento.
Instalación de botón cerca del piloto para probar su

Documentar el cambio en los dibujos de ingeniería
funcionalidad, aunque esté operando el quemador.
Se instaló una base con abrazaderas que permiten
ajustar la alineación del piloto con el quemador y Documentar el cambio en los dibujos de ingeniería.
evitar que se mueva.
Cambio de frecuencia de MP a 15 días, revisión de
Documentar en rutina de MP y en el sistema de
detección de carro del quemador afuera y operación
de secuencia de encendido. mantenimiento.
Instalar una placa alrededor del sensor para evitar que

se dañe por quemaduras o golpes. Documentar el cambio en los dibujos de ingeniería.
Compra de probador de sensores UV con el proveedor Documentar en rutina de MP y en el sistema de

de los mismos. mantenimiento.
Cambio de los niples de conexión de los sensores para
alineados y de la medida correcta para evitar la Documentar el cambio en los dibujos de ingeniería.
posibilidad de desalinearlos.
Se identificaron los cables de desde el registro basta el
quemador y se usan los mismos colores de tienen Documentar el cambio en los dibujos de ingeniería.
cables de los sensores.
Documentar en rutina de MP y en el sistema de
Utilizar el probador de sensores UV. mantenimiento.
Cambio de frecuencia de MP a 1 semana. Documentar en rutina de MP y en el sistema de
mantenimiento.
Fabricar cepillo de alambre largo para limpiar el
Documentar el cambio en los dibujos de ingeniería.
conducto.
Implementación en rutinas de MP la revisión de
Documentar en rutina de MP en el sistema de
estados de los módulos del PLC por medio de un
mantenimiento.
checklist de revisión de estados.
Tabla 6.4 Controles tomados para las acciones del AMEF
Para los controles que se llevarán a cabo en las rutinas de mantenimiento
preventivo (MP) se documenta en las rutinas que se llevan en el sistema de
mantenimiento documentado en el sistema de calidad. Ver ejemplo en la Tabla 6.5.
Rutinas de Mantenimiento Preventivo

Revisión del Piloto de Encendido
Actividad Frecuencia Equipo
• Realizar prueba física (botón encendido manual) • Hornos (1 al 6)
Diario
• Comprobar si prende el piloto o Sistema de combustión
• Limpieza del piloto de bujía • Piloto de encendido
• Inspección física de cable de la bujía 3 días
• Inspección y limpieza de la tubería del piloto
• Revisar estados del modulo del PLC, según las
condiciones presentes ("Checklist" de estados)
• Revisar funcionamiento de sensores
• Hacer prueba física de carro dentro / fuera
• Hacer prueba física de cerrar el agua para sensor
flujo 15 días
• Hacer prueba física de mover temperatura del
sensor hasta que se apague
• Hacer prueba física, cerrar válvulas de gas y
oxígeno
Nota: realizar la rutina de mantenimiento preventivo
cuando este cargando o recargando el homo.
Tabla 6.5 Planeación de rutinas de mantenimiento preventivo
Estos controles fueron implementados y se revisó y auditó su implementación

durante el período de seguimiento del proyecto. Los controles se espera sean efectivos y
esto se evaluará junto con la efectividad de las soluciones al mantener las mejoras en el
período analizado.
6.2 Validación de la efectividad de las soluciones
El objetivo en esta sección es ver la diferencia del desempeño actual contra el

observado al inicio el proyecto reportado en la sección 3.4, además comparar contra el
objetivo planteado inicialmente en la sección 3.5.
Para lo anterior, se toman los datos de los 6 hornos para calcular la capacidad del
proceso representado por el Nivel Sigma. La información se toma del último mes
recolectado, el cual viene a ser el tercer mes desde la implementación de las mejoras y
controles propuestos en el desarrollo de este proyecto de mejora.
El resultado de este análisis se presenta en la gráfica de capacidad de proceso, ver

Figura 6.6, donde se puede ver que presenta 44157 DPMO o PPM, bajo el título de
"Exp. 'Overall' Performance" en el renglón PPM Total.
Este desempeño equivale a tener 1.70 de Nivel Sigma, lo cual se presenta para el
título de "Overall Capability", en el renglón "ZBench" en la Figura 6.6.

Tiempo de Duración (Horas)
Process Data LSE

USL 8.25000
Within
Target
LSL Overall
Mean 7.06377
Sample N 602
StDev (Within) 0.638121
StDev (Overall) 0.701864
Potential (Within) Capability

ZBench 1.87
ZUSL 1.87
ZLSL
Cpk 0.62
I I I I
4 5 6 10 11
Cpm
Overal Capability Observed Performance Exp. 'Within* Performance Exp. "OveraT Performance
ZBench 1.70 PPM < LSL PPM < ISL PPM < LSL
ZUSL 1.70 PPM > USL 51495.02 PPM > USL 30423.09 PPM> USL 44156.95
ZLSL PPM Total 51495.02 PPM Total 30423.09 PPM Total 44156.95
Ppk 0.57
Figura 6.6 Capacidad nueva del proceso
Estos resultados se comparan contra el desempeño inicial observado en la sección

3.4, el cual era 383126 DPMO que representa un Nivel Sigma de 0.30. Además se
compara el resultado nuevo con el objetivo planteado en la sección 3.5, que eran 119453
DPMO y 1.18 Nivel Sigma.
Los resultados observados en el nuevo desempeño representa una reducción contra

el desempeño inicial de 88.5% en DPMO. Se sobrepasó el objetivo de mejora del
proceso, un resumen de estos resultados se presenta en la Tabla 6.6.
nni/n 88.5% REDUCCIÓN -+DPMO

U r M U
INICIAL mEFO
><?
' 3 PG 88.5%REDUCCIÓN
->44157
Nivel Sigmam¡aM = 0.30

Nivel SigmaNUEyo = 1.70
DPM0OBJET¡VO = 119453
Nivel SigmaOBJEnvQ = 1.18
Tabla 6.6 Nivel Sigma nuevo
Se realizó además el análisis de Nivel Sigma para cada uno de los hornos y los
resultados se presentan en la Tabla 6.7, donde se puede observar que todos los hornos
están con nivel de desempeño mayor al objetivo inicial.
Horno Nivel Sigma DPMO Media Desviación

<7 estándar
1 1.83 33431 6.866 0.755
2 1.83 33736 7.062 0.650
3 1.52 64360 7.188 0.699
4 2.27 11752 6.877 0.606
5 1.59 55439 7.056 0.749
6 1.47 70229 7.294 0.648
Tabla 6.7 Nivel Sigma nuevo de los hornos
Para ver el efecto del cambio durante el desarrollo de este proyecto de mejora se
presentan los resultados en la Figura 6.7, donde se observa que a partir del mes tomado
como desempeño inicial, mes 0 en la gráfica. Analizando esta misma gráfica se puede
concluir que en los últimos meses la mejora se mantiene.
Figura 6.7 Desempeño histórico de Hornos
Se presenta el resultado para las variables de medición seleccionadas en la sección

3.2, las cargas procesadas por mes y el tiempo de duración de las cargas. En la gráfica se
agrega una línea punteada vertical para separar el desempeño antes y después de la
implementación de las mejoras y controles al proceso.
En la Figura 6.7 se observa como el número de cargas procesadas por mes cambia
de tener alrededor de 500 cargas a un número superior a las 600 cargas, esto representa
un aumento aproximado del 20% en la producción total.
T w o - S a m p l e T-Test arid Cl: Duración, D e s e m p e ñ o
Two-sample T for Duración
Desempe N Mean StDev SE Mean

Inicial 509 7.995 0.858 0.038
Nuevo 602 7.054 0.702 0.029
Difference = aru (Inicial) - mu (Nuevo )

Estímate for difference: 0.9411
95% CI for difference: (0.8478, 1.0345)
T-Test of difference = 0 (vs not =): T-Value • 19.78 P-Value = 0.000
DF = 980
Tabla 6.8 Prueba de hipótesis, desempeño inicial vs. nuevo
Se revisa por medio de una prueba de hipótesis, ver Tabla 6.8 si la diferencia
observada entre el primer y último mes es significativa estadísticamente, lo cual se
concluye dado que presenta un valor de P igual a 0.000. Se usa la prueba T de dos
muestras "Two-sample T-test", dado que también cambió la varianza de los resultados y
esto es un supuesto a cumplir para poder usar las pruebas ANOVA.
Test for Equal V a r i a n c e s
Response Duración
Factors Desempeño
ConfLvl 95.0000
Bonferroni confidence intervals for standard deviations
Lower Sigma Upper N Factor Levels

0.801258 0.857716 0.922397 509 Inicial
0.658895 0.701572 0.749932 602 Nuevo
F-Test (normal distribution)
Test Statistic: 1.495

P-Value : 0.000
Levene's Test (any continuous distribution)
Test Statistic: 8.942

P-Value : 0.003
Tabla 6.9 Prueba de igualdad de varianzas, desempeño inicial vs nuevo
En la Tabla 6.9 se presenta el resultado sobre la prueba de igualdad de varianzas,

donde se rechaza la igualdad de varianza dado que el valor de P=0.003, menor al nivel
de significancia estadística de 0.05 establecida para aceptar la prueba.
Lo anterior muestra que la variación del proceso se redujo, dado que se tiene
0.8577 y 0.7015 de desviación estándar en el desempeño inicial y nuevo
respectivamente. Esto está reportado en la Tabla 6.9 donde dice "Sigma", que es la
desviación estándar.
Con esto se valida que no solamente disminuyó la media de duración de carga con
una mejora por encima del objetivo, sino que también el proceso es más consistente en
su varianza.
Según resultados observados en la sección 6.2 se concluye que el nuevo

desempeño dado por el proceso supera los objetivos inicialmente planteados en la
sección 3.5. Por lo anterior, se ha logrado la mejora esperada.
Los controles instalados han mantenido la mejora observada en el período

analizado, dado que se ha mantenido en los últimos tres meses. De cualquier forma se
recomienda al equipo de trabajo seguir revisando los controles y monitoreando las CTQs
del proceso por un período de un año completo.
El desempeño nuevo observado muestra una reducción de 88% en los defectos,

que se estableció como las cargas con duración por encima del límite máximo de
especificación en el capítulo 3.
La reducción de defectos reportada representa un aumento de 20% en el número

de cargas procesadas por mes, lo cual significa directamente un aumento en el volumen
de producción, tal como está planteado en la sección 3.2.
Con la validación de la efectividad de las soluciones se termina el proceso del

proyecto de mejora, dado que los resultados alcanzan y superan los objetivos
inicialmente planteados.
7 CONCLUSIONES Y RECOMENDACIONES
Terminado el desarrollo de la metodología Seis Sigma, para la resolución del

problema planteado en el capítulo 1, se presentan en este capítulo las conclusiones
generales sobre el desarrollo de este trabajo de tesis con relación a la hipótesis planteada
en la sección 1.3.
En la sección 7.1 se presenta las conclusiones de este trabajo y en la sección 7.2 se

proponen algunas recomendaciones para trabajos futuros sobre la aplicación de la
metodología Seis Sigma en trabajos de reducción de tiempos muertos de operación.
7.1 Conclusiones
Se concluye que se acepta la hipótesis planteada en la sección 1.3, debido a que los
resultados mostrados en la sección 6.2 dan evidencia de que el uso de las herramientas y
metodología de mejora que propone Seis Sigma fue capaz de disminuir los tiempos
muertos de operación al usar las etapas de medir, analizar, mejorar y controlar los
factores significativos.
Bajo los enfoques de mejora que se estaban realizando en la empresa, el enfoque

fundamental era entender los tiempos muertos de operación como las fallas de máquina
principalmente, pero en este proceso de mejora no se dejó que el equipo de trabajo se
dejara llevar con el análisis acostumbrado.
El planteamiento que propone Seis Sigma para la resolución de los problemas
llevó a medir el desempeño del proceso, analizar las causas que ocasionan este
desempeño, buscar la mejora para las causas verificadas y establecer los controles
necesarios para mantener la mejora.
La reducción del 88% de los defectos planteados en el desempeño inicial, lo cual

contribuye a un aumento del 20% del volumen de producción da el beneficio real del
análisis.
Con la validación de la efectividad de las soluciones se termina el proceso del

proyecto de mejora, dado que los resultados alcanzan y superan los objetivos
inicialmente planteados.
7.2 Recomendaciones
Uno de los principales factores de éxito de este trabajo fue haber logrado el
involucramiento y compromiso del equipo de trabajo, lo cual es esencial para reducir la
resistencia al cambio. Tener en mente este factor desde el inicio del trabajo fue
fundamental, por lo que debe ser colocado como parte de las actividades o metas que se
debe establecer quien lleve a cabo un trabajo similar.
La implementación de mediciones en el proceso para los operadores es otro factor

clave, el establecimiento de objetivos de desempeño e indicadores que sean entendidos y
retroalimentados a los operadores, supervisores y jefe de área ayuda en la resolución de
problemas y eliminación de barreras de comunicación o actitud que se puedan presentar
en la operación.
BIBLIOGRAFÎA
[1] AIAG, Automotive Industry Action Group. FMEA, Failure Mode and Effect
Analysis. Ed. AIAG, ASQC, 1990.
[2] AIAG, Automotive Industry Action Group. MSA, Measurement System
Analysis. Ed. AIAG, ASQC, 1990.
[3] Baim, William C. ni. Six Sigma compounding study. Proceedings of the 1997
55th Annual Technical Conference, ANTEC, Soc. of Plastics Engineers, 1997,
pp. 3389-93.
[4] Breyfogle, Forrest W. III. Implementing Six Sigma. Ed. Wiley-Interscience,
1999.
[5] Durand Jr., Richard R., Freeman, Dale. Towards an optimized process for
directory printing using statistical methods. 54th Annual Technical Conference of
the Technical Association of the Graphics Arts (TAGA), Proceedings of the
TAGA, 2002, pp. 508-21.
[6] Eckes, George. Making Six Sigma Last. Ed. John Wiley & Sons, Inc., 2001.
[7] Harry, Mikel PhD; Schroeder, Richard. Six Sigma, The Breakthough
Management Strategy. Ed. Doubleday, 2000.
[8] Pyzdek, Thomas. The Six Sigma Handbook. Ed. Mc Graw Hill, 2001.
[9] Meeks, S. Jr. The effect of a 2% high volume SMT manufacturing solderability
problem on six sigma processing. Surface Mount International Conference and
Exposition, Proceedings of the Technical Program, 1992, pp. 644-57, vol. 2.
[10] Minitab Inc. Minitab 13.3, User's Manual. Ed. Minitab Inc., 2000.
[11] Murugappan, M.; Keeni, G. Quality improvement- the Six Sigma way.
Proceedings First Asia-Pacific Conference on Quality Software, 2000, pp. 248-
57.
LISTADO DE TABLAS
Tabla Descripción Página
2.1 Área bajo la curva de la distribución normal 14

2.2 Nivel Sigma corto y largo plazo vs DPMO 15
2.3 Niveles de conocimiento 18
2.4 Entradas y salidas de las fases de la metodología 19
2.5 Análisis de los involucrados 28
3.1 Diagrama SIPOC 35
3.2 Cascada de la demanda 36
3.3 Variables de medición 37
3.4 Estadística descriptiva de los tiempos de duración de la carga 38
3.5 Cálculo de %GR&R 40
3.6 Nivel Sigma de los Hornos 43
3.7 ANOVA. Tiempo duración contra horno 46
3.8 Intervalo de confianza para el nivel sigma del proceso 48
3.9 Nivel Sigma objetivo 49
4.1 Causas priorizadas 54
4.2 Planeación de la verificación de causas probables 56
4.3 ANOVA Duración de carga, por tumo 58
4.4 AMEF, falla del quemador 62
4.5 ANOVA Tiempo para recargar por turno 66
4.6 Análisis de regresión, duración carga vs. tiempo de recarga 68
4.7 Resumen de verificación de causas 70
5.1 Posibles soluciones para contrarrestar las causas 73
5.2 ANOVA, antes y después de la comunicación 78
5.3 Condiciones del Horno 79
5.4 ANOVA Método de cambio de condiciones 80
5.5 AMEF Acciones de mejora propuestas y validadas 81
5.6 Predicción de duración de carga 84
5.7 ANOVA Tiempo para recargar 86
5.8 Conclusiones fase Mejorar 90
6.1 Controles para la soluciones 92
6.2 Estándares máximos de tiempos 95
6.3 Método de trabajo en hornos 99
6.4 Controles tomados para las acciones del AMEF 100
6.5 Planeación de rutinas de mantenimiento preventivo 101
6.6 Nivel Sigma nuevo 103
6.7 Nivel Sigma nuevo de los hornos 103
6.8 Prueba de hipótesis, desempeño inicial vs. nuevo 104
6.9 Prueba de igualdad de varianzas, desempeño inicial vs nuevo 105
LISTADO DE FIGURAS
Figura Descripción Página
2.1 Curva de distribución normal 13

2.2 Corrimiento del proceso entre el corto y largo plazo 14
2.3 Fases del proceso de mejora Seis Sigma 18
3.1 Trazado general de la planta 32
3.2 Mapa del proceso de Hornos 33
3.3 Histograma del tiempo de duración de la cargas 38
3.4 Capacidad del proceso 42
3.5 Gráfica de control 44
3.6 Gráfica de control, causas comunes 45
3.7 Homogeneidad de varianzas 46
3.8 Análisis de medias 47
3.9 Intervalo de confianza del desempeño actual 48
3.10 Análisis de capacidad del proceso, Horno 6 49
4.1 Diagrama causa-efecto 53
4.2 Duración de carga, por cada turno. Horno #6 57
4.3 Pareto de demoras reportadas 59
4.4 Pareto de demoras, por supervisión 60
4.5 Pareto de demoras, por montacargas 64
4.6 Duración de cargas por horno 64
4.7 Tiempo para recargar, por cada turno 66
4.8 Regresión duración de carga vs. tiempo de recarga 67
4.9 Análisis de residuales del modelo de regresión 68
5.1 Duración de cargas, por turno, anterior a la comunicación 75
5.2 Gráfica Multi-Vari, antes de la comunicación 76
5.3 Duración de cargas, por turno, después de la comunicación 77
5.4 Gráfica Multi-Vari, después de la comunicación 78
5.5 Tiempo para recargar máximo 83
5.6 Tiempo para recargar, antes de la comunicación con los operadores 84
5.7 Tiempo para recargar, después de la comunicación con los operadores 85
5.8 Duración de carga, contra turno que carga y turno que descarga 87
5.9 Duración de carga con entrega de turnos, después de la comunicación 88
6.1 Reporte de operación de hornos 93
6.2 Análisis de causas raíz de demoras y acciones 96
6.3 Reporte de acciones tomadas para las demoras reportadas 97
6.4 Hoja de cálculo electrónica 97
6.5 Reporte para presentar a operadores 98
6.6 Capacidad nueva del proceso 102
6.7 Desempeño histórico de Hornos 104
LISTADO DE ECUACIONES
Ecuación Página
(2.1 ) : 15
(2.2 ) 15
(2.3 ) 16
(3.1 ) 39
(3.2 ) 40
(3.3 ) 40
APÉNDICE A: TABLA ANOVA
En este apéndice se explica brevemente la tabla de resultados que presenta para el

análisis de ANOVA el software estadístico Minitab, para mayores referencias ver [9].
Renglón Tabla ANOVA

1 One-way A N O V A : DuraciónCarga versus T u m o
2 Analysis of Variance for DuraciónCarga
3 Source DF SS MS F
4 Tumo 3 2.787 0.929 2.90 0.040
5 Error 80 25.647 0.321
6 Total 83 28.433
7 Individual 95% CIs Por Mean
8 Based on Pooled StDev
9 Level N Mean StDev — + — + + + —
10 1 24 7.6429 0.5139 ( *- )
11 2 26 8.0458 0.5750 ( * )
12 3 14 8.0393 0.4991 ( * )
13 4 20 7.7355 0.6517 ( - * )
14 Pooled StDev = 0.5662 7.50 7.80 8 .10 8.40
Renglón 1: One-way ANOVA, Análisis de varianzas de una vía, se refiere al análisis

que busca la igualdad de medias para un solo factor.
Renglón 2: Analysis of Variance for..., Análisis de Varianza para...
Renglón 3: Source, Columna de identificación de la fuente de variación a presentar. DF,
Degrees of Freedom, grados de libertad. SS, Sum of Squares, suma de
cuadrados. MS, Mean of squares, media de cuadrados. F, Estadístico F. P,
valor de probabilidad para el estadístico F en la distribución de Fisher.
Renglón 3..6: Resultados para los indicado en el renglón 3.
Renglón 7: Indivudual 95% CI For Mean, Intervalo de Confianza individual al 95% para
la media
Renglón 8: Based on Pooled StDev, basado en una desviación estándar unificada
Renglón 9: Level, nivel del factor. N, número de datos en la muestra. Mean, promedio o
media de la muestra. StDev, desviación estándar de la muestra.
Renglón 10..13: Resultados para lo indicado en los renglones 7 al 9.
Renglón 14: Pooled StDev, desviación estándar rolada.
APÉNDICE B: TABLA REGRESIÓN
En este apéndice se explica brevemente la tabla de resultados que presenta para el

análisis de regresión el software estadístico Minitab, para mayores referencias ver [9].
Renglón Tabla Regresión

1 Regression Analysis: DurCarga versus TieRecarga
2 T h e regression equation is
3 DurCarga = 3.98 + 1.51 TieRecarga
4 Predictor Coef SE Coef T P
5 Constant 3.9775 0.3141 12.66 0.000
6 TieRecarga 1.5095 0.1230 12.28 0.000
7 S = 0.1633 R-Sg = 68.0% R-Sq(adj) = 67 .5%
Q
0
9 Analysis of Variance
10 Source DF SS MS P P
11 Regression 1 4.0176 4.0176 150.73 0.000
12 Residual Error 71 1.8925 0.0267
13 Lack of Fit 29 0.6744 0.0233 0.80 0.731
14 Pure Error 42 1.2181 0.0290
15 Total 72 5.9100
16
17 N o evidence of lack of fit {P > 0.1)
Renglón 1: Regression Análisis, análisis de regresión. Análisis que busca la evaluar la

dependencia entre variables de datos continuas.
Renglón 2: The regression equation is, la ecuación de regresión es.
Renglón 3: En este renglón se presenta la ecuación de regresión a la que se refiere en el
renglón 2.
Renglón 4: Predictor, son las fuentes de variación o factores que son incluidos en el
análisis de regresión. Coef, el valor numérico calculado para el coeficiente
de cada factor. SE Coef, Standard Errors for coeficients, error estándar
para los coeficientes. T, Estadístico T. P, valor de probabilidad para el
estadístico T.
Renglón 5: Constant, constante. Resultados para lo descrito en el renglón 4.
Renglón 6: TieRecarga, es el factor usado en este análisis de regresión. Resultados para
lo descrito en el renglón 4 para el factor analizado.
Renglón 7: S, desviación estándar observada en los datos. R-Sq, R cuadrada, estadístico
que representa la explicación del modelo sobre la variación total de los
datos. R-Sq(adj), R cuadrada ajustada, estadístico similar a la R-Sq y que
toma en cuenta el número de factores.
Renglón 9: Analysis of Variance, Análisis de Varianza.
Renglón 10: Source, Columna de identificación de la fuente de variación a presentar.
DF, Degrees of Freedom, grados de libertad. SS, Sum of Squares, suma de
cuadrados. MS, Mean of squares, media de cuadrados. F, Estadístico F. P,
valor de probabilidad para el estadístico F en la distribución de Fisher.
Renglón 11: Regression, regresión, análisis de varianza para el modelo de regresión.
Resultados para lo descrito en el renglón 10.
Renglón 12: Residual error, error residual. Resultados para lo descrito en el renglón 10.
Renglón 13: Lack of Fit, falta de ajuste, análisis de falta de ajuste del modelo de
regresión. Resultados para lo descrito en el renglón 10.
Renglón 14: Puré Error, error puro. Resultados para lo descrito en el renglón 10.
Renglón 15: Total, total de grados de libertad y suma de cuadrados.
Renglón 17. No evidence of lack of fit, no hay evidencia de falta de ajuste, prueba
estadística alterna a la presentada en el renglón 13 que presenta como
resultado solamente si el valor P es mayor o menor que 0.1.
GLOSARIO
AMEF. Análisis de Modo y Efecto de Falla, herramienta de análisis de los modos de

falla de un proceso o producto y sus efectos que guía en la priorización y
evaluación de soluciones. Este trabajo de análisis debe ser realizado por un
grupo de trabajo multifuncional.
ANOM. Análisis de medias, herramienta estadística que prueba la igualdad de medias

contra la media global.
ANOVA. Análisis de Varianzas, herramienta estadística que prueba la igualdad de
medias.
"Benchmark". Proceso de comparación entre resultados de diversas operaciones, con la
finalidad de establecer las mejores prácticas de operación.
"Black Belt". Persona entrenada en la metodología Seis Sigma y en uso de
herramientas de mejora y estadística que está dedicado a coordinar equipos de
mejora de procesos. Este término está registrado por Sigma Consultants,
L.L.C. (Six Sigma Academy) para fines comerciales.
"Checklist". Lista de verificación, es una herramienta para la verificación del

cumplimiento de una lista de tareas o puntos de revisión.
CTQ. (Critical To Quality, Crítico para la Calidad) Son las salidas de un proceso que
son críticas para la satisfacción del clientes. Aunque el nombre habla de
calidad, puede ser relativas al costo (CTC), entrega (CTD) o calidad (CTQ).
DPMO. Defectos Por Millón de Oportunidad, representa la probabilidad de generación

de salidas del proceso fuera de las especificaciones del cliente.
Gage R&R. Repetibilidad y reproducibilidad del medidor, estudio realizado para
conocer la variación causada por el sistema de medición.
Gráfica Multi-Vari. Gráfica que se construye para observar las diferencias de la
respuesta dentro y entre los factores analizados, puede realizarse con dos o
más factores para la misma respuesta analizada.
"p-value". Valor de probabilidad, representa la probabilidad que encuentra un análisis
estadístico de probar la hipótesis nula que tiene planteada la prueba. También
se presenta como "P" por algunas pruebas.
Pareto. Herramienta estadística que presenta gráficamente el porcentaje de aportación
de distintos defectos sobre una causa, sirve para identificar las pocas vitales de
las muchas triviales, es decir el enfoque del principio de Pareto del 80/20,
donde dice que el 80% de los efectos es causado por el 20% de las causas.
"Poka-Yoke". A prueba de errores. Metodología japonesa de búsqueda de medios para
evitar los errores, los cuáles pueden utilizar medios visuales, y dispositivos de
control o detección.
PPM. Partes por Millón, representa lo mismo que DPMO, ver DPMO.
SIPOC. ("Supliers -Inputs -Process -Outputs -Customers", Proveedores -Entradas -
Proceso -Salidas -Clientes). Herramienta que presenta las partes que incluyen
en el proceso, la idea es para generar el conocimiento del proceso y
entenderlo.
Sigma, <r, símbolo griego que se utiliza para representar la desviación estándar, la cual
es una de las medidas de variación más utilizadas.
Software. Programa o sistema computacional instalado en algún equipo de computo
para realizar funciones.
RESUMEN AUTOBIOGRÁFICO
Ricardo Francisco Pérez Benavides, nacido en Guadalupe, Nuevo León el 13 de

marzo de 1970 siendo el segundo hijo del matrimonio formado por Ricardo Pérez García
y Mirthala Guadalupe Benavides Sánchez.
Obtuve el grado de licenciatura en 1992, cursando la carrera de Ingeniero en

Control y Computación por la Facultad de Ingeniería Mecánica y Eléctrica de la
Universidad Autónoma de Nuevo León.
Después de graduarme, trabajé por aproximadamente 4 años en una dependencia

del Gobierno del Estado de Nuevo León en el departamento de Monitoreo Ambiental,
donde me desarrollé en la operación y mantenimiento de equipo electrónico para la
medición de contaminantes ambientales.
Mi siguiente trabajo fue en una empresa metal-mecánica de la localidad en el área

de mantenimiento como jefe de este departamento. El objetivo de este trabajo fue el de
implementar el mantenimiento y supervisar la instalación de nuevo equipo en la planta,
lo cual desarrollé por cerca de 3 años.
Al entrar esta compañía, como parte de la empresa global a la que pertenece, a la

implementación de Seis Sigma me invitan a participar como Black Belt. En este rol
desarrollé 3 proyectos de mejora en un año, para después ser promovido a la posición de
Master Black Belt que ahora desarrollo.
Este último puesto su función principal es entrenamiento, asesoría y supervisión a
los Black Belts en el desarrollo de sus proyecto de mejora en la organización. Esta
función alcanza las áreas de operaciones, comercial, logística y recursos humanos.
Presento el presente trabajo de Tesis, con el título "Reducción de tiempos muertos

de operación usando Seis Sigma", como crédito parcial en opción para obtener el grado
de Maestro en Ciencias de la Ingeniería de Manufactura con Especialidad en
Automatización.
R.F.P.B.

Reducción de Tiempos Muertos PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Reducción de Tiempos Muertos PDF

Cargado por

Copyright:

Formatos disponibles

FÁCUX/FAD Ï M M A M M W A W M A M S C A F E L M Í T M C ^

FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA

DIVISIÓN DE ESTUDIOS DE POSTGRADO

REDUCCIÓN DE TIEMPOS MUERTOS DE OPERACIÓN

CD. UNIVERSITARIA, S A N NICOLÁS D E L O S GARZA, N U E V O LEÓN

Los miembros del comité de Tesis recomendamos que la Tesis "Reducción de

Dr. Alberto Cavazos González

Agradecimiento a mis compañeros de trabajo,

La competencia global en los negocios obliga a las empresas a buscar tener la

La metodología de mejora propone un estricto seguimiento a las fases de generar

Ricardo Feo. Pérez Benavides

En este trabajo se presenta la aplicación de la metodología de mejora de Seis

Para lo anterior es importante revisar la metodología de mejora de Seis Sigma,

Las fases de la metodología de un proyecto de mejora son medir, analizar, mejorar

Al desarrollar la fase de medir se realiza el conocimiento del proceso por medio de

Con lo anterior se buscó establecer un objetivo de mejora que estadísticamente

Las causas que fueron verificadas de afectar al desempeño son: el cambio de

Se continuó con la fase de mejorar, donde se buscó contrarrestar las causas

Se concluye que el uso de la metodología de Seis Sigma tiene la capacidad para

1.1 Descripción del problema

Una empresa metalúrgica de la localidad, tiene limitada su capacidad de

Dado que esta empresa tiene oportunidad de vender cualquier producción

1.2 Objetivo del trabajo de la tesis

Aplicar la metodología de mejora de procesos de Seis Sigma para lograr aumentar

Se supone que el uso de las herramientas y metodología de Seis Sigma tienen el

1.4 Límites del estudio

Este estudio se realizará en una empresa metalúrgica de la localidad, en el área de

No se analizará, ni se trabajará con la tecnología del proceso metalúrgico de los

1.5 Justificación del trabajo

La aplicación de técnicas modernas para la mejora de los procesos en la

Se espera que el enfoque aplicado al atacar este tipo de problema con la

Sin embargo, se han encontrado en la literatura algunas aplicaciones aunque no

Este trabajo presenta los resultados de la aplicación de la metodología Seis Sigma

Se utilizará la metodología de mejora Seis Sigma, donde se plantea primero

Este trabajo se organiza de la siguiente manera. Primeramente se presentará una

En el capítulo 3 se iniciará la caracterización preliminar del proceso para conocer

La mejora del proceso se verá en los capítulos 5 y 6, donde en el primero se

Para la realización de este trabajo se revisó bibliografía actualizada sobre la

Para el desarrollo de los análisis estadísticos presentados en este trabajo se utilizó

De la literatura se consultaron las aplicaciones documentas para tratar de encontrar

Las herramientas estadísticas utilizadas se pueden encontrar en varios libros de

En este capítulo se presentará brevemente una introducción a la metodología Seis

En la sección 2.1, se dará una introducción general a los conceptos fundamentales

En la sección 2.2, se describirá brevemente la metodología de mejora de Seis

En la sección 2.3 se introducen conceptos generales sobre el análisis necesario

2.1 ¿Qué es Seis Sigma?

La competencia global a la que están enfrentándose las empresas, ocasionó que se

Lo anterior cambiaba el estándar que se tenía en esa época, tres desviaciones

Actualmente empresas como Sony, Nokia, Ford, Toyota, Honeywell, Lear,

El concepto de Seis Sigma está basado en el uso de metodologías para reducir la

Curva de Distribución Normal

Lo anterior da uno de los principios fundamentales de Seis Sigma, el de reducir la

Al principio del desarrollo de la metodología se estableció, bajo estudios

Desplazamiento del Proceso

Seis Sigma identifica en su metodología para su indicador principal el Nivel Sigma

Nivel Sigma Nivel Sigma

Para conocer el nivel de sigma se utiliza la desviación estándar normalizada (Z); es

Para obtener el estadístico Z se utiliza las siguientes ecuaciones;

Cuando solamente se tiene un límite de especificación en el proceso, la Z del

Las herramientas que propone la metodología Seis Sigma no son de nueva

Este personal entrenado para la ejecución de los proyectos se le denomina en la

2.2 Metodología de Mejora de los Procesos

Los datos son quienes impulsarán en la toma de decisiones y acciones, lo cual es